斯坦福自然语言处理(1)—

三元组是斯坦福自然语言解析中比较基础的一部分，主要过程是将每一个句子从文中提取出来以后，将句子中符合三元组（subject+relation+object）的成分提取出来，其中每个triple中有四个成员变量：
1、confidence：表示该三元组符合subject+relation+object程度的置信度
2、subject：三元组中的主体，表示动作的发出者
3、relation：三元组中表示subject和object的联系
4、object：三元组中表示relation动作的承受者

首先对工具入口StanfordCoreNLP进行实例化pipeline，并在管道中添加分析三元组所需要的功能，用Property类来实现。我这里定义了一个TripleBean类，每个三元组类中含有TripleSubject、TripleRelation、以及TripleObject、其中每个类中都包含该单词的词性、命名实体，以一个TripleElement作为例子

package edu.stu.common;public class TripleElement {
private String element;
private String nameentity;
private String partofspeech;public TripleElement(String element ,String nameentity ,String partofspeech)\\实例化一个TripleElement对象
{this.element = element;this.nameentity = nameentity;this.partofspeech = partofspeech;
}public  String getElement()\\元素的单词本身
{return this.element;
}public String getPartOfSpeech()\\元素的词性
{return this.partofspeech;
}
public String getNameEntity()\\元素的命名实体识别
{return this.nameentity;
}public String toString()\\输出该对象时，输出对象中的单词
{return this.getElement();
}
}

“`

package edu.stanford.nlp.pipeline.tool;public class Triple
{private StanfordCoreNLP pipeline = null;    private String content = null;private Annotation doc = null;  private Collection<RelationTriple> triples = null;private Collection<TripleBean> triplebeans = null;public Triple(File filename){Properties props = new Properties();props.put("annotators", "tokenize, ssplit, pos, lemma, ner, depparse, natlog, openie"); triplebeans = new ArrayList();this.pipeline = new StanfordCoreNLP(props);  this.content = new ReadFile(filename).getContent();this.doc = new Annotation(this.content);                                 // 用字符串初始化一个annotation类型pipeline.annotate(doc);}public Triple(String content){Properties props = new Properties();         //props是一个类似map的结构props.put("annotators", "tokenize, ssplit, pos, lemma, ner, depparse, natlog, openie"); triplebeans = new ArrayList();this.pipeline = new StanfordCoreNLP(props);  this.content = content;this.doc = new Annotation(this.content);                                 // 用字符串初始化一个annotation类型pipeline.annotate(doc);convertToTripleBean();}

斯坦福自然语言处理(1)——三元组的使用相关推荐

斯坦福自然语言处理习题课1——绪论
对于技术人员来说,如果要问当前最热门的技术是什么?我想大家一定会回答是人工智能技术.而在人工智能技术中,哪个技术方向最火呢?大家肯定会回答是深度学习技术.如果我们要问在深度学习技术中,哪些应用方向最火 ...
斯坦福自然语言处理课程笔记 Part 1
资源下载地址: https://download.csdn.net/download/mango_holi/10847688 目录 Week 1 - Course Introduction Week ...
教程 | 理解和实现自然语言处理终极指南（附Python代码）
教程 | 理解和实现自然语言处理终极指南(附Python代码) 时间 2017-02-16 14:41:39 机器之心原文 http://www.jiqizhixin.com/article ...
自然语言推理和数据集
自然语言推理和数据集 Natural Language Inference and the Dataset 情绪分析的问题.此任务旨在将单个文本序列分类为预定义的类别,例如一组情感极性.然而,当需要判 ...
2022斯坦福AI指数报告出炉！中国霸榜AI顶会，但引用量最低
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达来源丨新智元编辑丨极市平台导读 2022年人工智能指数报告发布了 ...
论坛报名 | 语音与自然语言处理的最新突破和前沿趋势
与6位图灵奖得主和100多位专家共同探讨人工智能的下一个十年长按图片或点击阅读原文,内行盛会,首次免费注册北京智源大会倒计时:5天 2020年6月21-24日,第二届北京智源大会(官网:http ...
自然语言处理NLP国内研究方向机构导师
自然语言处理NLP国内研究方向机构导师文|中文信息协会<中文信息处理发展报告2016>,数据简化DataSimp 文字语言VS数字信息数字.文字和自然语言一样,都是信息的载体,他们之间 ...
斯坦福大学陈丹琦等人解读机器阅读最新进展：超越局部模式匹配
来源:AI 科技评论不久前,斯坦福大学的计算机科学博士陈丹琦的一篇长达 156 页的毕业论文<Neural Reading Comprehension and Beyond>成为「爆款文 ...
cs224n上完后会会获得证书吗_斯坦福NLP组-CS224n: NLP与深度学习-2019春全套资料分享...
斯坦福自然语言处理小组2019年的最新课程<CS224n: NLP与深度学习>春季课程已经全部结束了,课程内容囊括了深度学习在各项NLP任务中应用的最新技术,非常值得一看.本文整理本期课程 ...

斯坦福自然语言处理(1)——三元组的使用

斯坦福自然语言处理(1)——三元组的使用相关推荐

最新文章

热门文章