NLP POS註釋工具與賓州樹庫標記

Question

我有一個文集，我要詮釋的講話我在尋找一個很好的工具，我可以用做部分（動詞，名詞，形容詞等）然而，我有一個要求，我希望它使用Penn Treebank所做的相同標籤標記語料庫。原因是我想用斯坦福NLP做pos識別。

任何幫助表示讚賞，

MJ

Answer 1

你有多種選擇;這裏是我的想法，從最簡單/最複雜到最複雜的順序：

1）CPAN上的任何模塊，特別是Lingua::EN::Tagger。 不知道它有多準確，但它很容易實現，但你必須喜歡Perl。

2）幾乎一樣簡單NLTK（蟒自然語言工具箱）。安裝整個軟件包需要一段時間，但編寫代碼很容易。 NLTK擁有非常強大的文檔和示例;這裏的詞性標註： http://nltk.googlecode.com/svn/trunk/doc/book/ch05.html

3）我個人傾向於使用斯坦福解析器了很多，有建於我有我的網頁斯坦福系統程序交互的示例一個不錯的POS惡搞（搜索頁面「簡易版使用內置的標記化」）： https://sites.google.com/site/nicoflacco/ 你必須定製代碼有點只做標記化/標籤，而不是解析，但是這並不太難。

4）Lingpipe有點重。我相信他們包含斯坦福解析器，但我可能是錯的。

從你說的話（3）如果你想使用斯坦福解析器，而不僅僅是POS惡搞可能不壞。

Answer 2

你可能要考慮brat或webanno。這些都是基於跨度的註釋器，而不是基於標記的註釋器，但是您應該能夠雙擊單詞，然後從列表中選擇標記（如果它們配置正確）。

brat的dependency and tagging example configuration這可能是一個很好的起點，儘管您可能想借用Stanford CoreNLP配置的visual.conf中包含Penn Treebank標記着色的部分。我對webanno的配置不太熟悉，但由於它基於小孩，人們可能會以相同的方式定製它。