一些实用的语义角色标注（SRL）工具使用方法

来源：互联网发布：python实现rfm模型编辑：程序博客网时间：2024/05/17 23:34

不懂SRL的自己去扫盲吧，简言之就是predict-argument分析。找了一些工具，其中暂时调通两个

1. swirl

http://sourceforge.net/projects/swirl-parser/，可以从这下载，本工具里readme介绍较详细，主要是注意有多种输入格式。

带有名实体标注的可能效果比较好，什么都没有的效果比较差一点，下面就简单说一下什么都没有的输入格式。

格式：

0 Some O - countries O - are O be having O have difficulties O - in O - managing O manage a O - place O - to O - live O live for O - their O - citizen O - as O - they O - tend O tend to O - get O get overpopulated O - . O -

每一行一个句子，每个单词都是一个三元组（单词 O -），针对动词的srl，如果是动词，则最后的-要填上动词原形，如上例中的have，tend等，最前面的是一个0，类似于分类器的类别标签吧，不管它，加了便是。

这样使用swirl就可以parse了，命令行格式比较简单./swirl_parse ./swirl_model ./charniak_model input云云，有说明自己看吧。

缺点是有些特殊符号不识别，就会down掉，比如双引号、横线等，而且分析速度较慢，效果也一般。

2. mate-tools

由google code上下载 http://code.google.com/p/mate-tools/

需要下载srl的tar包，以及对应语言的各种model文件

暂时只调了英文的pipeline的形式，即输入单纯的英文的句子，就能输出诸如词性标注、句法、语义角色等信息，以conll2009的形式，见demo（http://barbar.cs.lth.se:8081/parse），中文等其他语言应该也类似吧。

输入格式按列来分布，只要保证第二列是单词即可，其他无所谓，如

-I -

-am -

-tied -

该换句子的时候，就加个空行。

需要修改script中的pipeline的sh文件中的内容，上面都有写，自己对应好就ok，下面贴一个自己的

#################################################### (1) The following needs to be set appropriately##################################################INPUT=data/eng/test.txtLANG="eng"LEMMATIZER_MODEL="models/CoNLL2009-ST-English-ALL.anna-3.3.lemmatizer.model"POS_MODEL="models/CoNLL2009-ST-English-ALL.anna-3.3.postagger.model"PARSER_MODEL="models/CoNLL2009-ST-English-ALL.anna-3.3.parser.model"SRL_MODEL="models/CoNLL2009-ST-English-ALL.anna-3.3.srl-4.1.srl.model"OUTPUT="$LANG.out"#################################################### (2) These ones may need to be changed##################################################JAVA="java" #Edit this i you want to use a specific JRE.MEM="4g" #Memory for the JVM, might need to be increased for large corpora.CP="srl.jar:lib/anna-3.3.jar:lib/liblinear-1.51-with-deps.jar:lib/opennlp-tools-1.5.2-incubating.jar:lib/opennlp-maxent-3.0.2-incubating.jar:lib/seg.jar"JVM_ARGS="-cp $CP -Xmx$MEM"

model对应好，jar里面对应好

在根目录执行这个script就ok了。生成的结果文件会在当前目录保存。

mate-tool不会受什么符号影响，而且速度较快。

最后贴个结果吧

1OurourourPRP$PRP$__33NMODNMOD__A1_2currentcurrentcurrentJJJJ__33NMODNMOD__AM-TMP_3populationpopulationpopulationNNNN__44SBJSBJYpopulation.01A2_4isbebeVBZVBZ__00ROOTROOT____5666CDCD__66DEPDEP____6billionbillionbillionCDCD__77NMODNMOD____7peoplepeoplepeopleNNNN__44PRDPRD____8andandandCCCC__44COORDCOORD____9itititPRPPRP__1010SBJSBJ___A110isbebeVBZVBZ__88CONJCONJ____11stillstillstillRBRB__1010TMPTMP___AM-TMP12growinggrowgrowVBGVBG__1010VCVCYgrow.01__13exponentiallyexponentiallyexponentiallyRBRB__1212MNRMNR___A214.....__44PP____

0 0