Похоже, у stanfordnlp есть эти модели SR в течение некоторого времени. Я действительно новичок в NLP, но сейчас мы используем PCFG парсер, и мы имеем серьезные проблемы с производительностью (что мы сократить длину синтаксического анализа 35)PCFG vs SR Parser
- Я думаю, если мы могли бы попробовать использовать SR. Я попробовал это с помощью тегатора POS от stanford (english-left3words-distsim.tagger) Вы знаете, как SR находится на точности против PCFG? Я также обнаружил проблемы с обнаружением корневого кода при помощи SR и dep parse: Пример:
Michael Jeffrey Jordan, также известный своими инициалами, MJ, является американским бывшим профессиональным баскетболистом, предпринимателем и нынешним владельцем большинства и председателем Charlotte Bobcats PCFG действительно точный с корнем и определяет игрока как корень. - Был бы также признателен за понимание людей NN, например, (https://mailman.stanford.edu/pipermail/java-nlp-user/2014-November/006513.html) в вышеуказанном сообщении. Нужно ли мне использовать другой теггер - left3words? Прошу прощения, если это звучит немного наивно. Но все, что я хочу, это правильный корень предложения и его зависимости. Выполняет ли пометка POS заранее?
Большое спасибо.
Не понимаю вопрос # 2. Можете ли вы изменить это? Парсер анализа с уменьшением смены сдвига не использует архитектуру нейронной сети, которую использует анализатор зависимостей NNDep. –