如何通过Java命令行获取Stanford NLP的Enhanced++依存关系标签？

问题说明 #

对Java不熟悉，尝试通过Stanford NLP解析器获取Enhanced++依存关系标签，执行命令如下：

java -cp "*" -Xmx2g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators "tokenize,ssplit,pos,lemma,depparse" -file input.txt

输出结果不符合预期：

• 输入句The older couple is picnicking with wine中，picnicking与wine的依存关系预期为nmod，实际返回obl:with
• 输入句What do you call it?中，call与it的依存关系预期为dobj，实际返回obj

调整命令获取Enhanced++标签 #

要得到Enhanced++通用依存关系标签，需在命令中明确指定解析器的模型与输出模式，修改后的命令如下：

java -cp "*" -Xmx2g edu.stanford.nlp.pipeline.StanfordCoreNLP -annotators "tokenize,ssplit,pos,lemma,depparse" -depparse.model "edu/stanford/nlp/models/parser/nndep/english_enhanced++_UD.gz" -depparse.deprel "enhanced++" -file input.txt

核心参数解释：

• -depparse.model：指定使用Enhanced++预训练依存解析模型
• -depparse.deprel：强制输出Enhanced++格式的依存关系标签

关于annotators的必要性说明 #

如果仅关注依存解析（depparse）：

• 必须保留tokenize,ssplit,pos：这三个是依存解析的前置依赖——tokenize负责拆分词元，ssplit拆分句子，pos提供词性标注，三者是解析器生成正确依存结构的必要输入
• 可以移除lemma：词形还原不是依存解析的强制要求，去掉后不影响核心功能

内容的提问来源于stack exchange，提问作者Galit