我是文字挖掘的新手。我使用的是开放源代码jar（Mate Parser），它在依赖项解析后以CoNLL 2009格式提供输出。我想将依赖项解析结果用于信息提取。但是我能够理解一些输出，但是不能理解CoNLL数据格式。谁能帮助我理解CoNLL数据格式？任何类型的指针将不胜感激。
由于CoNLL每年是一个不同的共享任务，因此有许多不同的CoNLL格式。2009年CoNLL的格式描述在这里。每行代表一个单词，带有一系列制表符分隔的字段。_s表示空值。Mate-Parser的手册说，它使用了CoNLL 2009的前12列：
ID FORM LEMMA PLEMMA POS PPOS FEAT PFEAT HEAD PHEAD DEPREL PDEPREL
其中一些列的定义来自早期的共享任务（2006和2007年使用的CoNLL-X格式）：
ID （句子索引，从1开始）FORM （单词形式本身）LEMMA （单词的引理或词干）POS （词性）FEAT （用|分隔的形态特征列表）HEAD（语法父级的索引，0为ROOT）DEPREL（HEAD与该词之间的句法关系）这些列的变体（例如PPOS但不是POS）以开头，P表示该值是自动预测的，而不是黄金标准值。
更新：现在还有一种CoNLL-U数据格式，并且扩展了CoNLL-X格式。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句