Как использовать вывод синтаксической сети

Прежде чем перейти к дереву ascii (я думаю, вы следуете demo.sh), ввод проходит через тегирование и синтаксический анализ. Удалите последний шаг в конвейере команд.

Ваш измененный файл demo.sh будет выглядеть так:

PARSER_EVAL=bazel-bin/syntaxnet/parser_eval
MODEL_DIR=syntaxnet/models/parsey_mcparseface
[[ "$1" == "--conll" ]] && INPUT_FORMAT=stdin-conll || INPUT_FORMAT=stdin

$PARSER_EVAL \
  --input=$INPUT_FORMAT \
  --output=stdout-conll \
  --hidden_layer_sizes=64 \
  --arg_prefix=brain_tagger \
  --graph_builder=structured \
  --task_context=$MODEL_DIR/context.pbtxt \
  --model_path=$MODEL_DIR/tagger-params \
  --slim_model \
  --batch_size=1024 \
  --alsologtostderr \
   | \
  $PARSER_EVAL \
  --input=stdin-conll \
  --output=stdout-conll \
  --hidden_layer_sizes=512,512 \
  --arg_prefix=brain_parser \
  --graph_builder=structured \
  --task_context=$MODEL_DIR/context.pbtxt \
  --model_path=$MODEL_DIR/parser-params \
  --slim_model \
  --batch_size=1024 \
  --alsologtostderr \

Затем вы можете запустить: -

$ echo 'Bob brought the pizza to Alice.' | syntaxnet/demo.sh 1>sample.txt 2>dev/null

Ваш результат будет сохранен в файле sample.txt и выглядит следующим образом:

1   Bob _   NOUN    NNP _   2   nsubj   _   _
2   brought _   VERB    VBD _   0   ROOT    _   _
3   the _   DET DT  _   4   det _   _
4   pizza   _   NOUN    NN  _   2   dobj    _   _
5   to  _   ADP IN  _   2   prep    _   _
6   Alice   _   NOUN    NNP _   5   pobj    _   _
7   .   _   .   .   _   2   punct   _   _

Отсюда вы можете легко получить информацию о заголовке каждого слова, частях речи и типе узла, разделив данные с помощью \n

Дерево ascii само по себе построено с использованием выше.

Я пришел сюда в поисках легенды для выходных частей речи. Им поделились в удаленном ответе, который другие пользователи могут не увидеть.

Аббревиатуры частей речи, похоже, совпадают с тегами Penn Parts of Speech для моих предложений до сих пор. Цитирование этой таблицы здесь на случай, если страница выйдет из строя или изменится:

1. CC Координационное соединение
2. CD Кардинальный номер
3. Определитель DT
4. EX Экзистенциальный там
5. ФВ Иностранное слово
6. IN Предлог или подчинительный союз
7. JJ Прилагательное
8. JJR Прилагательное, сравнительное
9. JJS Прилагательное в превосходной степени
10. LS Маркер элемента списка
11. MD Модальный
12. NN Существительное в единственном числе или масса
13. NNS Существительное во множественном числе
14. NNP Имя собственное, единственное число
15. NNPS Имя собственное во множественном числе
16. Предопределитель PDT
17. POS Притяжательная концовка
18. PRP Личное местоимение
19. PRP$ Притяжательное местоимение
20. РБ Наречие
21. RBR Наречие, сравнительное
22. RBS Наречие в превосходной степени
23. Частица RP
24. Символ СИМ
25. TO to
26. UH Междометие
27. VB Глагол, основная форма
28. VBD Глагол, прошедшее время
29. VBG Глагол, герундий или причастие настоящего времени
30. VBN Глагол, причастие прошедшего времени
31. VBP Глагол, не 3-е лицо единственного числа настоящего времени
32. VBZ Глагол, 3-е лицо, единственное число, настоящее время
33. WDT Wh-определитель
34. WP Wh-местоимение
35. WP$ Притяжательное wh-местоимение
36. WRB Wh-наречие

Я написал сообщение в блоге, объясняющее, как получить вывод SyntaxNet для любого заданного языка в Python, в частности, в NLTK, и использовать его вывод с классами Dependency Graph и Tree.

Вы можете проверить это здесь: http://www.davidsbatista.net/blog/2017/03/25/syntaxnet/