So erhalten Sie Dependency Parse-Ausgabe von SyntaxNet

Question

Wie erhalten Sie eine Abhängigkeitsanalyse (nicht Syntaxbaum) Ausgabe von SyntaxNet (https://github.com/tensorflow/models/tree/master/syntaxnet)? Ich sehe eine Beschreibung der Abhängigkeitsanalyse ... eine Beschreibung, wie man ein Modell trainiert, aber nicht, wie man Abhängigkeitsanalyse erhält.

Führt SyntaxNet (speziell das Parsey McPareface-Modell) sogar Abhängigkeitsanalyse aus der Box?

Answer 1

Das Passieren --arg_prefix brain_parser zu parser_eval.py sollte den Trick tun. Dies erfordert jedoch, dass der gekennzeichnete Ausgang als Eingabe zugeführt wird.

Hier ist ein Beispiel, bei dem der erste Durchgang die Worte Tags und der zweite Durchgang löst Abhängigkeiten:

echo 'The quick brown fox ran over the lazy dog.' | bazel-bin/syntaxnet/parser_eval \ 
--input stdin \ 
--output stdout-conll \ 
--model syntaxnet/models/parsey_mcparseface/tagger-params \ 
--task_context syntaxnet/models/parsey_mcparseface/context.pbtxt \ 
--hidden_layer_sizes 64 \ 
--arg_prefix brain_tagger \ 
--graph_builder structured \ 
--slim_model \ 
--batch_size 1024 | bazel-bin/syntaxnet/parser_eval \ 
--input stdin-conll \ 
--output stdout-conll \ 
--hidden_layer_sizes 512,512 \ 
--arg_prefix brain_parser \ 
--graph_builder structured \ 
--task_context syntaxnet/models/parsey_mcparseface/context.pbtxt \ 
--model_path syntaxnet/models/parsey_mcparseface/parser-params \ 
--slim_model --batch_size 1024 

Dies erzeugt die folgende Ausgabe:

1  The  _  DET  DT  _  4  det  _  _ 
2  quick _  ADJ  JJ  _  4  amod _  _ 
3  brown _  ADJ  JJ  _  4  amod _  _ 
4  fox  _  NOUN NN  _  5  nsubj _  _ 
5  ran  _  VERB VBD  _  0  ROOT _  _ 
6  over _  ADP  IN  _  5  prep _  _ 
7  the  _  DET  DT  _  9  det  _  _ 
8  lazy _  ADJ  JJ  _  9  amod _  _ 
9  dog  _  NOUN NN  _  6  pobj _  _ 
10  .  _  .  .  _  5  punct _  _