使用 NP 块绘制扁平的 NLTK 解析树答案

【问题标题】：Drawing a flatten NLTK Parse Tree with NP chunks使用 NP 块绘制扁平的 NLTK 解析树
【发布时间】：2015-08-11 07:46:49
【问题描述】：

我想用 NLTK 分析句子并将它们的块显示为树。 NLTK 提供了方法tree.draw() 来绘制一棵树。下面的代码为句子“the little yellow dog barked at the cat”画了一棵树：

import nltk 
sentence = [("the", "DT"), ("little", "JJ"), ("yellow", "JJ"), ("dog", "NN"), ("barked","VBD"), ("at", "IN"), ("the", "DT"), ("cat", "NN")]

pattern = "NP: {<DT>?<JJ>*<NN>}"
NPChunker = nltk.RegexpParser(pattern) 
result = NPChunker.parse(sentence)
result.draw()

结果是这棵树：

我怎样才能得到一棵像这样多一层的树？

【问题讨论】：

@alvas，你为什么把标题改成“Flatten”？我不会说 OPs 的问题是关于扁平化的——在两个例子中树的分支是相同的。相反，OP 要求为 PoS 标签设置一个单独的级别（顺便说一句：不仅适用于非 NP 词......）。
@lenz，因为很可能这就是他所需要的。因为他使用的 NP 模式是人们对术语提取、名词/实体提取等所做的事情。.draw() 纯粹是呈现，所以它不会改变很多解析结果 =) 只是为了仔细检查，@ raxer，这就是你要的吗？
@alvas，我的目标是再做一次演示。以黄色这个词为例。它有 pos 标签JJ。在第一张图片中，JJ 与黄色位于同一层。但是在第二张图片上JJ 在黄色这个词上面有一层。我怎样才能在第二张图片上显示它？

标签： python tree nlp draw nltk

【解决方案1】：

你需要“升级”你的非 NP 词，这里有一个技巧：

import nltk 
sentence = [("the", "DT"), ("little", "JJ"), ("yellow", "JJ"), ("dog", "NN"), ("barked","VBD"), ("at", "IN"), ("the", "DT"), ("cat", "NN")]

pattern = """NP: {<DT>?<JJ>*<NN>}
VBD: {<VBD>}
IN: {<IN>}"""
NPChunker = nltk.RegexpParser(pattern) 
result = NPChunker.parse(sentence)
result.draw()

[出]：

【讨论】：

【解决方案2】：

我知道现在回答为时已晚。但这是我的做法。这个想法是你需要将你的句子转换成一棵树。

import nltk
sentence = list(map(lambda sent: Tree(sent[1], children=[sent[0]]), sentence))

然后你可以在之后进行分块。

NPChunker = nltk.RegexpParser(pattern) 
result = NPChunker.parse(sentence)
result.draw()

这是我的结果Tree

【讨论】：