使用NLTK的语义角色标记

Question

我有一个句子列表，我想分析每一个句子，确定句子中的语义角色。我该怎么做？

我在NLTK模块中遇到了PropBankCorpusReader，它向Penn Treebank添加语义标记信息。此外，我在互联网上的研究表明，该模块用于执行语义角色标记。

然而，我无法找到一个小方法来帮助我理解如何利用PropBankCorpusReader对任意文本执行SRL。

因此，有人能指出使用PropbankCorpusReader对任意语句执行SRL的例子吗？

Answer 1

我建议使用PractNLPTools，它有很多不错的工具，包括语义角色标记。

我正在询问它的一个工作项目，现在看来它会完成的工作。

实用工具： https://pypi.python.org/pypi/practnlptools/1.0

GitHub支持站点： https://github.com/biplab-iitb/practNLPTools

Answer 2

查看这个新的python库（取决于NLTK）https://pypi.python.org/pypi/nlpnet/。。。它做POS和SRL。

Answer 3

SRL根本不是一个小问题，也不是真正可以使用nltk开箱即用的东西。

您可以将SRL的任务分解为3个单独的步骤：

1. 识别谓词。
2. 对谓词执行词义消歧，以确定它接受哪些语义参数。
3. 识别句子中的语义参数。

目前解决这一问题的大多数方法都使用有监督的机器学习，在这种学习中，分类器将对一个子集的Propbank或FrameNet语句进行训练，然后对剩余的子集进行测试，以测量其准确性。研究人员倾向于关注调整特性和算法，以及修改上述步骤是按顺序还是同时完成，以及按什么顺序完成。

您可能需要查看的文件有：

• Simmons (1973)-经典的SRL论文。
• Gildea and Jurafsky (2002)-提供一组用于分类的简单功能。
• Xue and Palmer (2004)-更深入地了解有用的特性
• Meza-Ruiz and Riedel (2009)-使用Markov Logic的有趣方法。

马尔可夫逻辑方法很有前途，但根据我自己的经验，它遇到了严重的可伸缩性问题（我只使用过Alchemy，尽管Alchemy Lite看起来很有趣）。使用nltk Propbank数据实现某种类型的分类器并不需要太多工作，而且Python中已经存在一些off the shelf classifiers。

来自爱丁堡大学的编辑：This assignment给出了一些如何解析Propbank数据的例子，并且part of a school project我确实实现了一个完整的Propbank特性解析器，尽管这些特性是专门针对Meza Ruiz和Riedel（2009）风格的Markov逻辑网络使用的。