編輯推薦:

本文來自于csdn,文章介紹了Python自然語言處理如何識別它們，分析它們的結構，給它們分配詞匯類別，以及獲得它們的含義,希望對您的學習有所幫助。

目的是要回答下列問題：

（１）如何使用形式化語法來描述無限的句子集合的結構？

（２）如何使用句法樹來表示句子結構？

（３）解析器如何分析句子并自動構建語法樹？

一、一些語法困境

＃語言數據和無限可能性

文法的目的是給出一個明確的語言描述。而我們思考文法的方式與我們認為什么是一種語言緊密聯系在一起。觀察到的言語和書面文本是否是一個大卻有限的集合呢？關于文法句子是否存在一些更抽象的東西，如有能力的說話者能理解的隱性知識？或者是兩者的某種組合？我們不會解決這個問題，而是將介紹主要的方法。

＃普遍存在的歧義

重要的目的是自然語言understanding，當識別一個文本所包含的語言結構時，可以從中獲得多少文本的含義？一段程序在通讀了一個文本后，它能否足夠“理解”文本，并回答一些簡答的問題，如“發生了什么事“或”誰對誰做了什么“？還像以前一樣，我們將開發簡單的程序來處理已注釋的語料庫，并執行有用的任務。

二、文法的用途

＃超越n-grams

３、上下文無關文法

＃一種簡單的文法

在NLTK中，上下文無關文法定義在nltk.grammar模塊

import nltk

from nltk import CFG

//grammar1 = CFG.fromstring("""

grammar1 = nltk.parse_cfg("""

s -> NP VP

VP -> V NP | V NP PP

PP -> P NP

V -> "saw" | "ate" | "walked"

NP -> "John" | "Mary" |

"Bob" | Det N | Det N PP

Det -> "a" | "an" | "the"

| "my"

N -> "man" | "dog" | "cat"

| "telescope" | "park"

P -> "in" | "on" | "by"

| "with"

""")

sent = "Mary saw Bob".split()

rd_parser = nltk.RecursiveDescentParser(grammar1)

for tree in rd_parser.nbest_parse(sent):

print tree

如果使用上述文法分析句子The dog saw a man in the park，結果將得到兩棵樹，被稱為結構上有歧義

＃編寫你自己的文法

編寫mygrammar.cfg

grammar1 = nltk.data.load('file:mygrammar.cfg')

＃句法結構中的遞歸

產生式左側的文法類型也出現在右側，那么這個文法被認為是遞歸的

四、上下文無關文法分析

解析器根據文法產生式處理輸入的句子，并建立一個或多個符合文法的組成結構。

例如問答系統對提交的問題首先進行文法分析

在本節中，我們將看到兩個簡單的分析算法，一種自上而下的方法稱為下降遞歸分析，一種自下而上的方法稱為移進－歸約分析。

以及更復雜的算法，一種稱為左角落分析的帶自下而上過濾的自上而下的方法：一種稱為圖表分析的動態規劃技術

＃遞歸下降解析器

nltk.RecursiveDescentParser(grammar1)

＃移進－歸約分析

nltk.ShiftReduceParser(grammar1)

＃左角落解析器

帶自下而上過濾的自上而下的解析器

＃符合語句規則的子串表

五、依存關系和依存文法

短語結構文法是關于詞和詞序列如何結合形成句子成分的。

一種獨特且互補的方式，依存文法，集中關注的是詞與其他詞之間的關系。

依存關系是一個中心詞與其從屬之間的二元非對稱關系。一個句子的中心詞通常是動詞，所有其他詞要么依賴于中心詞，要么通過依賴路徑與它相關聯。

與短語結構文法相比，依存文法可以作為一種依存關系用來直接表示語法功能。

＃配價與詞匯

在表中的動詞被認為具有不同的配價。配價限制不僅適用于動詞，也適用于其他類的中心詞。

＃擴大規模

文法是否可以擴大到能覆蓋自然語言中的大型語料庫

使用各種正規工具

六、文法開發

如何訪問樹庫，及開發覆蓋廣泛文法所具有的挑戰

＃樹庫和文法

corpus模塊定義了樹庫語料的閱讀器，其中包含了賓州樹庫語料10%的樣本

from nltk.corpus

import treebank

t = treebank.parsed_sents('wsj_0001.mrg')[0]

print t

(S

(NP-SBJ

(NP (NNP Pierre) (NNP Vinken))

(, ,)

(ADJP (NP (CD 61) (NNS years)) (JJ old))

(, ,))

(VP

(MD will)

(VP

(VB join)

(NP (DT the) (NN board))

(PP-CLR (IN as) (NP (DT a) (JJ nonexecutive) (NN

director)))

(NP-TMP (NNP Nov.) (CD 29))))

(. .))

！

def filter(tree):

#搜索樹庫找出句子的補語

child_nodes = [child.label for child in tree if

isinstance(child, nltk.Tree)]

#print tree.label

#print [t for t in tree if tree.label == 'NP']

return (tree.label == 'VP') and ('S' in child_nodes)

from nltk.corpus import treebank

[subtree for tree in treebank.parsed_sents()

for subtree in tree.subtrees(filter)]

entries = nltk.corpus.ppattach.attachments('training')

table = nltk.defaultdict(lambda: nltk.defaultdict(set))

for entry in entries:

key = entry.noun1 + '-' + entry.prep + '-' + entry.noun2

table[key][entry.attachment].add(entry.verb)

for key in sorted(table):

if len(table[key]) > 1:

print key, 'N:', sorted(table[key]['N']), 'V:',

sorted(table[key]['V'])

nltk.corpus.sinica_treebank.parsed_sents()[3450].draw()

＃有害的歧義

歧義文法

＃加權文法

處理歧義是開發覆蓋廣泛的解析器的主要任務。圖表解析器提高了計算同一個句子的多個分析的效率，但它們仍然會因可能的分析數量過多而不堪重負。加權文法和概率分析算法為這些問題提供了有效的解決方案

def give(t):

return t.label == 'VP' and len(t) > 2 and t[1].label

== 'NP' \

and (t[2].label == 'PP-DTV' or t[2].label == 'NP')

\

and ('give' in t[0].leaves() or 'gave' in t[0].leaves())

def sent(t):

return ' '.join(token for token in t.leaves()

if token[0] not in '*-0')

def print_node(t, width):

output = "%s %s: %s / %s: %s" %\

(sent(t[0]), t[1].label, sent(t[1]), t[2].label,

sent(t[2]))

if len(output) > width:

output = output[:width] + "..."

print output

for tree in nltk.corpus.treebank.parsed_sents():

for t in tree.subtrees(give):

print_node(t, 72)

＃概率上下文無關文法（PCFG）

grammar = nltk.parse_pcfg("""

S -> NP VP [1.0]

VP -> TV NP [0.4]

VP -> IV [0.3]

VP -> DatV NP NP [0.3]

TV -> 'saw' [1.0]

IV -> 'ate' [1.0]

DatV -> 'gave' [1.0]

NP -> 'telescopes' [0.8]

NP -> 'Jack' [0.2]

""")

總結

以上是生活随笔為你收集整理的python自然语言分析_Python自然语言处理-分析句子结构的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。