Stanford CoreNLP：从分析树中获取CharacterOffset注释

Question

使用另一个分析器的分析器输出，我创建了句子的分析树。现在，我需要找到解析中出现的每个名词短语的字符偏移量。

我该怎么办？

Answer 1

取一个对应于名词短语的子树。获得此树的叶子：

List<Tree> leaves = tree.getLeaves(); 

然后在第一个叶（CharacterOffsetBeginAnnotation值）和最后一片叶子（CharacterOffsetEndAnnotation）的终点的起点。产生的时间间隔是NP的偏移量。

要获得偏移值，取叶的标签，并将其转换为HasOffset：

Label label = firstLeaf.label(); 
HasOffset ofs = (HasOffset) label; 
int start = ofs.beginPosition(); 

这适用于斯坦福CoreNLP 3.2.0。

Answer 2

我首先看看解析器使用的tokenizer/chunker。我会更容易找到块和原始文本之间的字符偏移映射（如果字符偏移量不在那里）。然后你可以遍历你的分析树寻找名词短语，然后从那里遍历左手分支，直到你到达一个假期，这将是你的分析树中的第一个标记;并从NP节点开始，遍历右手边的分支，直到你到达另一个假期，这将成为你的结束标记。您可以通过从树根开始计算树叶来获得第一个标记的偏移量。