你如何找到句子的主语？

Question

我是NLP的新手,正在研究我应该使用什么语言工具包来执行以下操作.我想完成同样事情的两件事之一:

1. 我基本上想要对文本进行分类,通常是一个包含15个单词的句子.想判断句子是否在谈论特定主题.

2. 是否有一个给出句子的工具,它找出句子的主语.

我使用的是PHP和Java,但该工具可以是在Linux命令行上运行的任何东西

非常感谢你.

Answer 1

最基本的方法是创建一组标记的训练数据并使用它来训练分类器.分类器的工作原理是一个更复杂的问题 - 对于垃圾邮件过滤和许多其他事情,只需查看单词频率就可以很好地工作.

这是一个基本的例子:http://openclassroom.stanford.edu/MainFolder/DocumentPage.php？course =MachineLearning&docs/explos /ex6/ex6.html

写一个朴素贝叶斯分类器是微不足道的; 像MALLET这样的软件包也会有更好的机器学习方法.Lingpipe也会有这种东西.

您真正应该关心的是数据的质量以及您的功能.根据数据的质量,我指的是没有那么多边界情况的大量数据,而我的意思是你只选择单词,单词组合(单词ngrams),或依赖项功能,或者更复杂的东西.您需要一种方法来创建要素数据以及实际进行学习!从这个意义上说,Lingpipe很好,因为你可以进行标记化和所有这一切,而不是编写自己的函数来执行此操作,或者必须将其他工具拼凑到您自己的要素生成代码中.

MALLET指南可以在这里找到:http://courses.washington.edu/ling570/fei_fall10/11_15_Mallet.pdf