如何修改Stanford NLP代码生成水平格式的标注结果？

Stanford CoreNLP的命令行工具没有直接输出水平句式词形还原结果的选项，要实现你需要的格式，得用它的Java API写个简单的自定义程序，步骤如下：

1. 编写自定义Java代码 #

创建一个名为LemmaFormatter.java的文件，内容如下：

import edu.stanford.nlp.pipeline.*;
import edu.stanford.nlp.ling.*;
import java.io.*;
import java.util.*;

public class LemmaFormatter {
    public static void main(String[] args) throws IOException {
        // 配置NLP管道，启用需要的标注器
        Properties props = new Properties();
        props.setProperty("annotators", "tokenize,ssplit,pos,lemma");
        StanfordCoreNLP pipeline = new StanfordCoreNLP(props);

        // 读取输入文件内容
        File inputFile = new File("1.txt");
        String content = new String(java.nio.file.Files.readAllBytes(inputFile.toPath()));

        // 初始化标注任务
        Annotation document = new Annotation(content);
        pipeline.annotate(document);

        // 处理每个句子，拼接词形还原结果
        List<CoreMap> sentences = document.get(CoreAnnotations.SentencesAnnotation.class);
        StringBuilder formattedResult = new StringBuilder();

        for (CoreMap sentence : sentences) {
            for (CoreLabel token : sentence.get(CoreAnnotations.TokensAnnotation.class)) {
                // 保留原文本的前置空格/符号，保证格式和原文一致
                formattedResult.append(token.get(CoreAnnotations.BeforeAnnotation.class));
                // 追加词形还原结果
                formattedResult.append(token.get(CoreAnnotations.LemmaAnnotation.class));
            }
        }

        // 输出结果到控制台
        System.out.println(formattedResult.toString());
        // 将结果写入文件（可选）
        try (PrintWriter out = new PrintWriter("lemma_output.txt")) {
            out.println(formattedResult.toString());
        }
    }
}

2. 编译并运行程序 #

确保你的工作目录下有Stanford CoreNLP的jar包和1.txt文件，执行以下命令：

• 编译代码：javac -cp "*" LemmaFormatter.java
• 运行程序：java -cp "*" LemmaFormatter

运行后，控制台会输出和原文句式一致的词形还原结果，同时也会生成lemma_output.txt文件保存结果。

关键说明 #

代码中通过BeforeAnnotation保留了原文本的空格、标点位置，还原后的句子结构和原文完全匹配，只是把每个词替换为对应的词形还原形式。

内容的提问来源于stack exchange，提问作者Bryan Jia