Nltk: Den alten Stanford Parser ablehnen

Wir haben die StanfordTokenizer / StanfordSegmenter , StanfordPOSTagger und StanfordNERTagger abgelehnt.

Es wäre gut, auch die alten StanfordParser , StanfordDependencyParser und StanfordNeuralDependencyParser von zu verwerfen

1. Hinzufügen der entsprechenden Warnungen zur alten Schnittstelle

2a. Wickeln Sie die Ententypen für CoreNLPParser , die die Funktionen der alten Schnittstelle emulieren

2b. Schreiben Sie Dokumentationen darüber, wie Sie mit CoreNLPParser das Parsing von Abhängigkeiten und neuronalen Abhängigkeiten verwenden können

1. Schreiben Sie Tests für die neuen CoreNLP-Parser-Schnittstellen

Sowohl die (2a) als auch die (2b) Methode sollten nur das Argument properties des api_call

Die aktuelle Schnittstelle für CoreNLPParser :

>>> from nltk.parse.corenlp import CoreNLPParser
>>> sent = 'The quick brown fox jumps over the lazy dog.'
>>> next(parser.raw_parse(sent)).pretty_print()  # doctest: +NORMALIZE_WHITESPACE
                         ROOT
                          |
                          S
           _______________|__________________________
          |                         VP               |
          |                _________|___             |
          |               |             PP           |
          |               |     ________|___         |
          NP              |    |            NP       |
      ____|__________     |    |     _______|____    |
     DT   JJ    JJ   NN  VBZ   IN   DT      JJ   NN  .
     |    |     |    |    |    |    |       |    |   |
    The quick brown fox jumps over the     lazy dog  .

Die gewünschte Oberfläche könnte folgendermaßen aussehen:

# Using Duck-types
>>> from nltk.parse.stanford import CoreNLPParser
>>> depparser = CoreNLPDependencyParser('http://localhost:9000')
>>> depparser.parse(sent)
>>> ndepparser = CoreNLPNeuralDependencyParser('http://localhost:9000')
>>> ndepparser.parse(sent)

# Using arguments to control `properties` for `api_call()` 
>>> from nltk.parse.stanford import CoreNLPParser

>>> depparser = CoreNLPParser('http://localhost:9000', parser_type="dependency")
>>> depparser.parse(sent)

>>> ndepparser = CoreNLPNeuralDependencyParser('http://localhost:9000', parser_type="neural_dependency")
>>> ndepparser.parse(sent)

Dies wäre ein gutes Klassenprojekt oder eine gute erste Herausforderung