PARSER GUIDELINES tanford parser一个简易的Stanford parser系统只需要包含四类文件，它们分别是：①java包(最新版本为stanford-parser-2011-04-20.jar)、②模板(英文：englishFactored.ser.gz/englishPCFG.ser.gz/wsjFactored.ser.gz/wsjPCFG.ser.gz。
中文：chinesePCFG.ser.gz /chineseFactored.ser.gz/xinhuaFactored.ser.gz/xinhuaPCFG.ser.gz)、③输入文件(一般为.txt后缀的分词文件(、④输出文件(一般为.parse后缀的成分句法树文件或是以.dep 后缀的依存句法树文件)1.英文句法分析举例：Java -mx1g -cp stanford-parser-2011-04-20.jar edu.stanford.nlp.parser.lexparser.LexicalizedParser -maxLength 100 –outputFormat oneline -sentences newline -outputFormatOptions removeTopBracket englishFactored.ser.gz input.txt > output.std_Factored_parse参数解释：①-mx1g：给java虚拟机分配的最大内存为1g(大小可自行设置)。
②-cp ：为了加载java包stanford-parser-2011-04-20.jar。
LexicalizedParser：parser类.③-maxLength：指定句子单词长度最大为100。
④–outputFormat：指定输出句子的格式。
outputFormat具体选项值如下：Oneline：成分句法分析输出文件的格式为每行一句的广义表形式的树结构。
Penn：成分句法分析输出文件的格式为层次化树的形式。
默认选项为penn。
latexTree：格式类似于pennWords：只给出分词格式。
如：继续播报详细的新闻内容。
wordsAndTags：给出分词文本和标记。
如：继续/VV 播报/VV 详细/VA 的/DEC 新闻/NN 内容/NN 。
/PUrootSymbolOnly：只给出ROOT结点typedDependencies：给出依存句法分析结果。
mmod(播报-2, 继续-1)rcmod(内容-6, 详细-3)cpm(详细-3, 的-4)nn(内容-6, 新闻-5)dobj(播报-2, 内容-6)conllStyleDependencies、conll2008：conll格式(每行一词，每词十项)如下：1 继续_ VV _ _2 _ _ _2 播报_ VV _ _ 0 _ _ _3 详细_ VA _ _4 _ _ _4 的_ DEC _ _ 6 _ _ _5 新闻_ NN _ _6 _ _ _6 内容_ NN _ _ 2 _ _ _7 。
_ PU _ _ 2 _ _ _⑤-escaper：字符的标准化(例如将英文的”(”改成”-LRB-”,默认情况即这样转换)。
英文的escaper为edu.stanford.nlp.process.PTBEscapingProcessor。
中文为：edu.stanford.nlp.trees.international.pennchinese.ChineseEscaper。
举例：java -mx500m -cp stanford-parser.jar edu.stanford.nlp.parser.lexparser.LexicalizedParser -escaper edu.stanford.nlp.trees.international.pennchinese.ChineseEscaper -sentences newline chineseFactored.ser.gz chinese-onesent > chinese-onesent.stp⑥-sentences：指定句子之间的边界，一般为newline ：输入文件的句子通过换行符分割。
Parser得到的文本是每行一句，一句一句的进行分析。
⑦-encoding：指定输入输出文件的字符集。
(中文默认为GB18030)⑧-outputFormatOptions：进一步控制各种–outputFormat选项的输出行为(可以说是–outputFormat的附加选项)。
当–outputFormat为typedDependencies时，-outputFormatOptions可有如下选项(默认选项为collapsed dependencyies)：basicDependencies：基本格式treeDependencies：以树结构保存的压缩依存关系(去除依存图中一些边构成树)。
collapsedDependencies：压缩依存(不一定为树结构)cc(makes-11, and-12)conj(makes-11, distributes-13)转化为：Conj_and(makes-11, distributes-13)CCPropagatedDependencies:带有连词依存传播的压缩依存。
⑨-writeOutputFiles：产生对应于输入文件的输出文件，输出文件名同输入文件，只是增加了”.stp”的后缀。
-outputFilesExtension：指定输出文件扩展名，默认为”.stp”⑩-outputFilesDirectory :指定输出文件目录，默认为当前目录。
在这一小节中，我们用到的parser类为parser.lexparser.LexicalizedParser，这个类既能生成基于短语结构的成分句法树(指定输出格式为penn或oneline)，又可以生成基于依存结构的依存句法树(指定输出格式为typedDependencies)。
接下来，我们用到的类名为：trees.EnglishGrammaticalStructure。
我们使用这个类将已经是成分句法树结构(penn Treebank-style trees)转化为依存句法树结构。
这里的成分句法树来源，既可以是stanford parser生成的，又可以是其他种类的parser(如：berkeley parser、charniak parser)生成的。
2.依存句法分析举例：java -mx1g -cp "stanford-parser.jar;" edu.stanford.nlp.trees.EnglishGrammaticalStructure-treeFile input.tree -basic -collapsed -extraSep -keepPunct -parserFileenglishPCFG.ser.gz >output.deptree选项解释(与LexicalizedParser相同的选项省略)输出文件的树结构可以通过以下参数直接指定：-basic：basic dependencies-conllx ：basic dependencies printed out in CoNLL X (CoNLL 2006) format-collapsed：collapsed dependencies (not necessarily a tree structure)-CCprocessed：collapsed dependencies with propagation of conjunctdependencies (not necessarily a tree structure)-collapsedTree：collapsed dependencies that preserve a tree structure-nonCollapsed：non-collapsed dependencies: basic dependencies as well as the extra ones which do not preserve a tree structure其他参数：-treeFile：指定输入文件，即成分句法树结构文件。
-extraSep：如果存在多种类型的输出格式，使用分隔符(------)将basicdependencies和其他形式的分隔开。
-keepPunct：默认不输出符号依存关系，可以通过该选项保留。
3. trees.EnglishGrammaticalStructure其他功能①trees.EnglishGrammaticalStructure还可以将CoNLL格式的依存关系转化为其他类型的依存关系。
可以通过-conllxFile来指定输入文件。
②它还可以parse分词文档，不过对输入文件的要求更高。
必须是每行一句。
只能指定依存类型，不能指定其他选项。
用-sentFile替代-treeFile指定输入文件，需要用-parserFile 选项指定模板文件，使用-parseTree选项打印句法树。
举例：java -mx100m edu.stanford.nlp.trees.EnglishGrammaticalStructure -sentFile file.txt-collapsedTree -CCprocessed -parseTree –parserFile englishPCFG.ser.gz4.中英文模板说明Stanford parser不需要我们自己训练模板，它为我们提供了现成的模板。
英文模板：englishFactored.ser.gz/englishPCFG.ser.gz/wsjFactored.ser.gz/wsjPCFG.ser.gzenglishPCFG.ser.gz仅仅包含一个未词汇化的概率上下文无关文法。
englishFactored.ser.gz包含两种语法(a (simpler) PCFG parser and then an untyped dependency parser)。
对英文来说，虽然上述两种模板的语法和分析方法都不同，但是两者的平均性能相似。
所以，一般倾向于使用快一点的模板englishPCFG.ser.gz。
对于其他语言(如中文)，由于factored模板包含词汇化信息，factored类型模板的性能也明显的好于PCFG模板的性能。
中文模板：Xinhua grammars只在中国大陆《新华日报》语料中训练，更适合解析来自中国大陆的文本。