如何从SyntaxNet（https://github.com/tensorflow/models/tree/master/syntaxnet）获取依存句法分析（而不是句法树）输出？我看到了一些关于依存句法分析的描述…关于如何训练模型的描述，但没有关于如何获取依存句法分析输出的说明。

SyntaxNet（特别是Parsey McParseface模型）是否直接支持依存句法分析？

回答：

向parser_eval.py传递--arg_prefix brain_parser应该可以解决问题。但这需要将标记过的输出作为输入提供。

以下是一个示例，第一遍标记词语，第二遍解析依存关系：

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

这将生成以下输出：

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   _       _