如何从nltk.trees中识别和删除跟踪树？

Question

例如，我得到了一棵小树(显然它只是一个子树)：

(VP (VBZ says) (SBAR (-NONE- *0*) (S-3 (-NONE- *T*))))

痕迹树是指那些导致叶子形状的树：*。*。我现在要删除所有的子树，这是一个跟踪树。因此，对于这个示例，结果应该如下所示：

(VP (VBZ says))

到目前为止，我提取了所有的叶子：

from nltk.tree import ParentedTree
import re

traceLeaves = []    

line = "( (VP (VBZ says) (SBAR (-NONE- *0*) (S-3 (-NONE- *T*)))))"
currTree = ParentedTree.fromstring(line, remove_empty_top_bracketing = True)
for leaf in currTree.leaves():
    if re.search('\*', leaf):
        traceLeaves.append(leaf)

但是，我不知道如何在树上导航，直到有一个兄弟姐妹，即没有跟踪树，并从原始树中删除跟踪树。我被困在这里因为我刚开始和nltk一起工作..。

编辑：

以下是我想要处理的完整句子：

(SINV (S-3 (S (NP 1 (-NONE- *PRO*)) (VP (VBG ) (NP (DT ) (NN Post) (PP-TMP ( at) (NP (NP (DT ) (NN年龄) (PP (IN )(NP (CD 35)) (NP-SBJ-1 (PRP he)) (VP (VBD管理) (PP-MNR ( IN ) (NP (NN共识) (，，) (SBAR-ADV (IN as) (S (NNS (-NN*PRO*) (VP (VBZ is) (NP -珠三角(DT ) (NN规则) (PP-LOC (IN )(NP)(NP(NNS)大学)) (VP (VBZ says) (SBAR (-NONE- **) (S-3 (-NONE- *T*) (NP (NNP Warren) (NNP H.)(NNP Strother) (，，) (NP (NP (DT a) (NN大学) (NN官员)) (SBAR (WHNP-2 (WP who)) (S (NP-SBJ-2 (-NP*T*) (VP (VBZ is) ) (VP (VBG研究)) (NP (NP (DT a) (NN Book) (PP (IN on) (NP先生))( (NNP Hahn))()(。))

Answer 1

叶子是有规律的字符串，所以它们对导航树没有帮助。扫描树并寻找高度为2的子树。

要识别应该删除的内容，请注意nltk树是一种列表；因此，要查看节点有多少子节点，只需取其len()即可。找到跟踪叶时，只要父树只有一个子树，就向上移动；然后删除子树。这应该涵盖所有内容，因为如果一个节点主导了两个跟踪树，而没有其他的，那么在删除第一个:-)之后，它将只包含一个跟踪树。)

下面还有一个窍门:删除节点会混淆for-循环，因为分支列表会变短。为了防止物体在删除前移动，我们向后扫描树。

for sub in reversed(list(t.subtrees())):
    if sub.height() == 2 and sub[0].startswith("*"):  # abbreviated test
        parent = sub.parent()
        while parent and len(parent) == 1:
            sub = parent
            parent = sub.parent()
        print(sub, "will be deleted")
        del t[sub.treeposition()]

Answer 2

下面是第二种解决方案，使用Tree.leaf_treeposition()将叶索引映射到树路径(@b 3000建议的基于this answer的叶扫描)。再一次，对树进行反向扫描，以便进行就地编辑。选你所选。

查找父节点使用的事实是，“树位置”是要遵循的分支的元组；因此，如果postn是节点n的“位置”，则postn[:-1]是n的父节点的位置。这样，甚至不需要ParentedTree。

t = nltk.Tree.fromstring("(VP (VBZ says) (SBAR (-NONE- *0*) (S-3 (-NONE- *T*))))")

for ind, leaf in reversed(list(enumerate(t.leaves()))):
    if leaf.startswith("*") and leaf.endswith("*"):
        postn = t.leaf_treeposition(ind)
        parentpos = postn[:-1]
        while parentpos and len(t[parentpos]) == 1:
            postn = parentpos
            parentpos = postn[:-1]
        print(t[postn], "will be deleted")
        del t[postn]