NLTK和斯坦福依赖分析器-如何获得单词位置？

Question

我可以通过NLTK获得这个单词在使用斯坦福依赖分析器时的位置，如这个问题所示

这是供参考的源代码

示例：

当我通过NLTK使用斯坦福的Dependency时，使用上面引用的SO post中的示例，我得到了如下所示的元组列表：

[((u'shot', u'VBD'), u'nsubj', (u'I', u'PRP')),
((u'shot', u'VBD'), u'dobj', (u'elephant', u'NN')),
((u'elephant', u'NN'), u'det', (u'an', u'DT')),
((u'shot', u'VBD'), u'prep', (u'in', u'IN')),
((u'in', u'IN'), u'pobj', (u'sleep', u'NN')),
((u'sleep', u'NN'), u'poss', (u'my', u'PRP$'))]

然而，当我使用在线工具时，我也会得到一个指向单词位置的指针，请参见下面文本中的数字：

nsubj(shot-2, I-1)
det(elephant-4, an-3)
dobj(shot-2, elephant-4)
prep(shot-2, in-5)
poss(sleep-7, my-6)
pobj(in-5, sleep-7)

关于单词位置的信息在某些特定的情况下是不平凡的*，那么是否仍然可以通过NLTK获得它呢？

(*)对于具体情况:考虑专业术语缩略词被简单英语关键字替换的技术文本，以简化解析器的工作

Answer 1

不确定是否有办法直接从三元组中得到这一点。但是，如果我没记错的话，您可以对依赖项调用deps.triples()，以获得这种三重格式的依赖项。在该依赖项对象(上面的deps)上，您还可以调用deps.get_by_address(i)来获取指定索引处的单词。如果这些项是连接的(即从.get_by_address(位置)和deps.triples()中的每个项目获得的任何对象)，您可以尝试。如果是这样的话，您可以在从dep三重到位置之前制作一本字典。.get_by_address()是基于1的(而不是基于0的)，因为0总是根节点。

编辑:刚刚发现.triples()似乎只是返回了一个元组列表，看起来并不像你可以为ex检索的任何花哨。位置信息。不过，以下内容可能会对您有所帮助(对德国的例子表示遗憾)：

s = 'Ich werde nach Hause gehen .'
res = depParser.parse(s.split()) # can use a simple .split since my input is already tokenised
deps = res.__next__()
traverse(deps, 0) # 0 is always the root node

然后遍历如下：

def traverse(deps, addr):

dep = deps.get_by_address(addr)
print(dep)
for d in dep['deps']:
    for addr2 in dep['deps'][d]:
        traverse(deps, addr2)

它应该递归地遍历图中的所有依赖项，并给出以下输出：

{'word': None, 'head': None, 'address': 0, 'lemma': None, 'feats': None, 'ctag': 'TOP', 'deps': defaultdict(<class 'list'>, {'root': [3]}), 'tag': 'TOP', 'rel': None}
{'word': 'nach', 'head': 0, 'address': 3, 'lemma': '_', 'rel': 'root', 'ctag': 'VBP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'dobj': [5], 'nsubj': [2]}), 'tag': 'VBP'}
{'word': 'gehen', 'head': 3, 'address': 5, 'lemma': '_', 'rel': 'dobj', 'ctag': 'NN', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'amod': [4]}), 'tag': 'NN'}
{'word': 'Hause', 'head': 5, 'address': 4, 'lemma': '_', 'rel': 'amod', 'ctag': 'JJ', 'feats': '_', 'deps': defaultdict(<class 'list'>, {}), 'tag': 'JJ'}
{'word': 'werde', 'head': 3, 'address': 2, 'lemma': '_', 'rel': 'nsubj', 'ctag': 'NNP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {'compound': [1]}), 'tag': 'NNP'}
{'word': 'Ich', 'head': 2, 'address': 1, 'lemma': '_', 'rel': 'compound', 'ctag': 'NNP', 'feats': '_', 'deps': defaultdict(<class 'list'>, {}), 'tag': 'NNP'}

与您使用的.triples()格式略有不同，但希望这会有所帮助。