将 NLP 依赖树转换为二叉树？答案

【问题标题】：Transforms of NLP dependency trees into binary trees?将 NLP 依赖树转换为二叉树？
【发布时间】：2020-05-17 15:39:11
【问题描述】：

Spacy（以及 Core NLP 和其他解析器）输出的依赖树可以包含不同数量的子级。例如在 spacy 中，每个节点都有一个 .lefts 和 .rights 关系（多个左分支和多个右分支）：

模式模式匹配算法在处理节点具有一组固定参数的谓词树时要简单得多（而且效率更高）。

有没有从这些多树到二叉树的标准转换？

例如，在本例中，我们有两个.lefts=[just, journal] 和一个.right=[piece] 的“发布”。可以将这样的句子（通常）转换为严格的二叉树表示法（其中每个节点有 0 或 1 个左分支，0 或 1 个右分支）而不会丢失太多信息，还是多树对于正确携带信息是必不可少的？

【问题讨论】：

【解决方案1】：

在语言分析中有不同类型的树，immediate constituents 和 dependency trees（尽管您通常不会在依赖语法中谈论树）。前者通常是二元的（尽管没有真正的理由必须如此），因为每个类别都分为两个子类别，例如

S -> NP 副总裁
NP -> 检测 N1
N1 -> 调整 N1 |名词

依赖关系在本质上通常不是二进制的，因此没有简单的方法可以将它们转换为二进制结构。唯一固定的约定是每个词将完全依赖于另一个词，但它本身可能有多个依赖于它的词。

所以，答案基本上是“不”。

【讨论】：