如何获取无POS标签的括号格式二元解析（SNLI语料库格式）

我之前刚好折腾过类似的需求，给你几个能直接生成SNLI那种无POS标签二元括号解析的可行方案，专门针对你提到的「无POS标签」和「严格二元结构」两个核心要求：

方案一：用Stanford Parser直接生成（最省心） #

Stanford Parser本身支持定制输出格式，刚好能匹配你的需求：

• 先下载Stanford Parser的最新版本，运行时指定以下参数：

  java -cp "*" edu.stanford.nlp.parser.lexparser.LexicalizedParser -outputFormat "penn" -outputFormatOptions "binary,stripTags" englishPCFG.ser.gz
  

  输入你的示例句子后，就能直接得到和SNLI格式完全一致的结果：

  ( ( ( A person ) ( on ( a horse ) ) ) ( ( jumps ( over ( a ( broken ( down airplane ) ) ) ) ) . ) )

• 如果要在Python里调用，不用额外装复杂的库，直接用subprocess模块调用上述命令行即可，把输入句子通过管道传进去，再捕获输出结果。

方案二：用spaCy+Stanza手动转换（Python友好） #

如果你习惯用Python代码处理，可以通过spaCy结合Stanza来实现：

1. 先安装依赖：

   pip install spacy spacy-stanza stanza
   python -m stanza download en
   

2. 写一个递归函数，把Stanza生成的 constituency 树转换成二元结构，并剥离POS标签：

   import stanza
   from spacy_stanza import StanzaLanguage
   
   # 初始化模型
   snlp = stanza.Pipeline(lang="en", processors="tokenize,pos,constituency")
   nlp = StanzaLanguage(snlp)
   
   def convert_to_snli_binary(node):
       # 叶子节点直接返回带括号的文本
       if node.is_leaf():
           return f"( {node.text} )"
       # 处理多分支节点：拆成二元结构（左子树 + 剩余子树合并）
       if len(node.children) == 1:
           return convert_to_snli_binary(node.children[0])
       # 取第一个孩子作为左分支，剩下的所有孩子合并成右分支节点
       left_child = node.children[0]
       right_children = node.children[1:]
       right_node = type(node)(node.label, right_children)
       # 递归拼接
       return f"( {convert_to_snli_binary(left_child)} {convert_to_snli_binary(right_node)} )"
   
   # 测试示例句子
   doc = nlp("A person on a horse jumps over a broken down airplane.")
   constituency_tree = doc.sentences[0].constituency
   print(convert_to_snli_binary(constituency_tree))
   

   运行这段代码就能输出你想要的SNLI格式解析结果，完全没有POS标签。

方案三：用预训练的SNLI专用解析模型 #

如果你需要更高的准确率（贴合SNLI的标注风格），可以用专门针对SNLI训练的 constituency 解析模型：

• 找到支持输出 constituency 树的预训练模型后，只需要在输出时过滤掉POS标签，再把多分支结构强制转换成二元结构即可，逻辑和方案二里的递归函数类似。

之前你看到的Stack Overflow答案没用，大概率是因为没针对性处理「剥离POS标签」和「强制二元拆分」这两个细节，上面的方案都是围绕这两点设计的，应该能帮到你。

内容的提问来源于stack exchange，提问作者Rajeshree Kathariya