中心语为谓词
subj -- 主语
nsubj -- 名词性主语(nominal subject) (同步,建设)
top -- 主题(topic) (是,建筑)
npsubj -- 被动型主语(nominal passive subject),专指由“被”引导的被动句中的主语,一般是谓词语义上的受事 (称作,镍)
csubj -- 从句主语(clausal subject),中文不存在
xsubj -- x主语,一般是一个主语下面含多个从句 (完善,有些)
中心语为谓词或介词
obj -- 宾语
dobj -- 直接宾语 (颁布,文件)
iobj -- 间接宾语(indirect object),基本不存在
range -- 间接宾语为数量词,又称为与格 (成交,元)
pobj -- 介词宾语 (根据,要求)
lobj -- 时间介词 (来,近年)
中心语为谓词
comp -- 补语
ccomp -- 从句补语,一般由两个动词构成,中心语引导后一个动词所在的从句(IP) (出现,纳入)
xcomp -- x从句补语(xclausal complement),不存在
acomp -- 形容词补语(adjectival complement)
tcomp -- 时间补语(temporal complement) (遇到,以前)
lccomp -- 位置补语(localizer complement) (占,以上)
-- 结果补语(resultative complement)
中心语为名词
mod -- 修饰语(modifier)
pass -- 被动修饰(passive)
tmod -- 时间修饰(temporal modifier)
rcmod -- 关系从句修饰(relative clause modifier) (问题,遇到)
numod -- 数量修饰(numeric modifier) (规定,若干)
ornmod -- 序数修饰(numeric modifier)
clf -- 类别修饰(classifier modifier) (文件,件)
nmod -- 复合名词修饰(noun compound modifier) (浦东,上海)
amod -- 形容词修饰(adjetive modifier) (情况,新)
advmod -- 副词修饰(adverbial modifier) (做到,基本)
vmod -- 动词修饰(verb modifier,participle modifier)
prnmod -- 插入词修饰(parenthetical modifier)
neg -- 不定修饰(negative modifier) (遇到,不)
det -- 限定词修饰(determiner modifier) (活动,这些)
possm -- 所属标记(possessive marker),NP
poss -- 所属修饰(possessive modifier),NP
dvpm -- DVP标记(dvp marker),DVP (简单,的)
dvpmod -- DVP修饰(dvp modifier),DVP (采取,简单)
assm -- 关联标记(associative marker),DNP (开发,的)
assmod -- 关联修饰(associative modifier),NP|QP (教训,特区)
prep -- 介词修饰(prepositional modifier) NP|VP|IP(采取,对)
clmod -- 从句修饰(clause modifier) (因为,开始)
plmod -- 介词性地点修饰(prepositional localizer modifier) (在,上)
asp -- 时态标词(aspect marker) (做到,了)
partmod-- 分词修饰(participial modifier) 不存在
etc -- 等关系(etc) (办法,等)
中心语为实词
conj -- 联合(conjunct)
cop -- 系动(copula) 双指助动词????
cc -- 连接(coordination),指中心词与连词 (开发,与)
其它
attr -- 属性关系 (是,工程)
cordmod-- 并列联合动词(coordinated verb compound) (颁布,实行)
mmod -- 情态动词(modal verb) (得到,能)
ba -- 把字关系
tclaus -- 时间从句 (以后,积累)
-- semantic dependent
cpm -- 补语化成分(complementizer),一般指“的”引导的CP (振兴,的)
相关推荐
在自然语言处理(NLP)领域,Stanford CoreNLP是一个强大的工具,它提供了多种功能,包括分词、词性标注、命名实体识别等。在C#编程环境中,调用Stanford CoreNLP可以帮助开发者处理中文文本,进行复杂的语言分析。...
Stanford Parser 中文句法分析器使用教程 Stanford Parser 是一种功能强大的中文句法分析器,它可以对中文句子进行依存关系分析,生成句法树和词性标注。下面是使用 Stanford Parser 进行中文句法分析的教程。 一...
首先,为了在Python中使用Stanford Parser,我们需要下载Stanford CoreNLP的Java版本以及对应的Python库`stanfordnlp`。确保你的系统已经安装了Java运行环境,然后从Stanford NLP官网下载最新的CoreNLP软件包。同时...
Stanford Tregex是一款由斯坦福大学自然语言处理组(NLP Group)开发的强大工具,它在语言处理领域中被广泛使用。Tregex是“Tree Regular Expressions”的缩写,是一种结合了正则表达式和句法树匹配的概念,用于在...
Stanford Graphics 3.0c 是一款专为数据处理设计的软件,尤其在制作高质量图表方面表现出色。这款工具以其高效、易用和便携性赢得了用户的青睐,它的小巧体积使得用户可以轻松地将其存储在移动设备上,随时随地进行...
斯坦福核心NLP(Stanford CoreNLP)是斯坦福大学开发的一个强大的自然语言处理工具包,它提供了多种功能,如词性标注、命名实体识别、句法分析、情感分析等,广泛应用于学术研究和实际应用中。此次我们关注的是其...
标题中的“Stanford WordLadder”和“Randomwriter”是两个特定的程序或工具,它们在IT领域,尤其是自然语言处理(NLP)方面有一定的应用。让我们分别详细探讨这两个概念。 **Stanford WordLadder** Stanford Word...
stanford-corenlp-3.9.2-models.jar
Stanford Graphics:美国斯坦福大学很好用的数据处理软件Stanford Graphics,可以利用数据完美作图。 安装说明:在0文件夹里选择安装INSTALLv.EXE文件,出现窗口提示的时候,依次输入1、2、3、4即可,输入四次后,...
《NLP汉语自然语言处理原理与实践》...本文针对书中第24页“安装StanfordNLP并编写Python接口类”部分的程序,列出在版本升级后出现的问题,以及相应的解决方案。本文也可以单独作为学习StanfordNLP工具包的学习文档。
这是《听说越来越卷,那我们就用卷积神经网络CNN来识别狗狗吧!!》这篇博文中所使用的数据集,免费放在这里供大家使用了啦。
Stanford Sentiment Treebank 是一个标准情感数据集,主要用于情感分类,其中每个句子分析树的节点均有细粒度的情感注解。 该数据集由斯坦福大学的 NLP 组发布,其中句子和短语共计 239232 条,相较于忽略单词顺序...
斯坦福车 196 类 训练集,图片按类别文件夹存放,完整数据集下载: https://github.com/cyizhuo/Stanford-Cars-dataset
Stanford Sentiment Treebank 是一个标准情感数据集,主要用于情感分类,其中每个句子分析树的节点均有细粒度的情感注解。 该数据集由斯坦福大学的 NLP 组发布,其中句子和短语共计 239232 条,相较于忽略单词顺序的...
《斯坦福大学NLP工具包:stanford-corenlp-full-2015-12-09.zip深度解析》 斯坦福大学的NLP(自然语言处理)工具包是学术界和工业界广泛使用的资源,它包含了丰富的功能,能够满足多样的自然语言处理任务需求。...
斯坦福车测试集,全称为"Stanford Cars Test Dataset",是计算机视觉领域中一个广泛使用的数据集,特别针对车辆识别任务。这个数据集由斯坦福大学的研究团队创建,旨在推动自动驾驶、图像识别以及机器学习在车辆分类...
StanfordPaRser
Python中的StanfordNLP库是斯坦福大学自然语言处理组(Stanford NLP Group)官方推出的Python接口,用于处理多种人类语言的自然语言处理任务。这个库提供了强大的功能,包括词法分析(Tokenization)、词性标注...
标题中的"stanford-chinese-corenlp-2018-10-05-models.jar"是一个Java档案文件(JAR),它包含了Stanford CoreNLP的中文模型。Stanford CoreNLP是斯坦福大学开发的一个强大的自然语言处理(NLP)工具包,它提供了一...