1.几个词拼起来是不是一个单位：
Constituency parising则是把所有的 几个词拼起来是一个单位的 组成的单位 都抽出来。
特别的每一个词都是一个单位（constituent）
单位可以组合起来成为更大的单位：
2.chart-based：
模型判断：
是单位吗？
是哪一类的词性。
3.我们这里合并两个单位时，只把其当做一个二叉树来合并。
因此和分词一样，到底哪两个进行合并才是最有可能的。
需要一定程度上的穷举。
穷举的样例输入classifier得到一个分数。
优化：CKY算法。
4.
5.上述模型：那一时刻，遇到什么，应该采取怎样的措施，是一个问题。
使用RNN Grammer来解决。
整个模型相当于是一个简单的分类任务。
6.Tree to sequence（把一个树状的结构表示成一个seq）
比如从上到下，从左往右。
然后进行seq2seq的训练。
而且我们可以发现：seq2seq和RNN grammar得到的序列结果是一样的！