Spacy의 종속성 파싱 트리

Question

문장이 있습니다. John이 가게에서 화려한 모자를 보았습니다.
어떻게하면 아래와 같이 종속성 트리로 나타낼 수 있습니까?

(S 
     (NP (NNP John)) 
     (VP 
     (VBD saw) 
     (NP (DT a) (JJ flashy) (NN hat)) 
     (PP (IN at) (NP (DT the) (NN store))))) 

나는 here

import spacy 
from nltk import Tree 
en_nlp = spacy.load('en') 

doc = en_nlp("John saw a flashy hat at the store") 

def to_nltk_tree(node): 
    if node.n_lefts + node.n_rights > 0: 
     return Tree(node.orth_, [to_nltk_tree(child) for child in node.children]) 
    else: 
     return node.orth_ 


[to_nltk_tree(sent.root).pretty_print() for sent in doc.sents] 

나는 다음하지만 난 나무 (NLTK) 형식을 찾고 무엇입니까에서이 스크립트를 얻었다.

 saw     
    ____|_______________  
|  |   at 
|  |   | 
|  hat  store 
|  ___|____  | 
John a  flashy the 

Answer 1

텍스트 표현을 제외하고, 당신이 달성하려고하는 것은 종속성 그래프 밖으로 선거구 트리를 얻는 것입니다. 원하는 출력 결과는 고전 문학 구조 트리입니다 (예 : 문법 구조 문법과 마찬가지로 의존성 문법).

constituency 트리에서 종속성 그래프로 변환하는 것이 자동화 된 작업 (예 : http://www.mathcs.emory.edu/~choi/doc/clear-dependency-2012.pdf)이지만 다른 방향은 아닙니다. PAD 프로젝트 https://github.com/ikekonglp/PAD과 기본 알고리즘을 설명하는 문서 인 http://homes.cs.washington.edu/~nasmith/papers/kong+rush+smith.naacl15.pdf을 확인하십시오.

당신은 또한 당신이 정말로 선거 구민 구문 분석을해야하는 경우 재고 할 수 있습니다

, 여기에 좋은 인수입니다 : https://linguistics.stackexchange.com/questions/7280/why-is-constituency-needed-since-dependency-gets-the-job-done-more-easily-and-e

Answer 2

, 적응 종속 구문 분석에 대한 NLTK 스타일의 나무를 다시 만들려면 nltk.tree에서 draw 방법을 사용하여 시도 대신 pretty_print의 : 적응은 현재 종속 구문 분석을 지원하며, 단어와 명사 구문 수준에서 태그 있기 때문에, 적응 나무가, 당신은에서 얻을하려는 것만 큼 깊게 구조화 수 없음을

가

import spacy 
from nltk.tree import Tree 

spacy_nlp = spacy.load("en") 

def nltk_spacy_tree(sent): 
    """ 
    Visualize the SpaCy dependency tree with nltk.tree 
    """ 
    doc = spacy_nlp(sent) 
    def token_format(token): 
     return "_".join([token.orth_, token.tag_, token.dep_]) 

    def to_nltk_tree(node): 
     if node.n_lefts + node.n_rights > 0: 
      return Tree(token_format(node), 
         [to_nltk_tree(child) 
         for child in node.children] 
        ) 
     else: 
      return token_format(node) 

    tree = [to_nltk_tree(sent.root) for sent in doc.sents] 
    # The first item in the list is the full tree 
    tree[0].draw() 

주 예를 들어, 스탠포드 파서는 우리는 모두를 실행하면 이제 nltk_spacy_tree("John saw a flashy hat at the store.")이 this image를 생성합니다

from nltk.tree import Tree 
from nltk.parse.stanford import StanfordParser 

# Note: Download Stanford jar dependencies first 
# See https://stackoverflow.com/questions/13883277/stanford-parser-and-nltk 
stanford_parser = StanfordParser(
    model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz" 
) 

def nltk_stanford_tree(sent): 
    """ 
    Visualize the Stanford dependency tree with nltk.tree 
    """ 
    parse = stanford_parser.raw_parse(sent) 
    tree = list(parse) 
    # The first item in the list is the full tree 
    tree[0].draw() 

및 nltk_stanford_tree("John saw a flashy hat at the store.")는 this one를 생성합니다 : 그래서 트리로 시각화.