摘要：

,'通信','领域','做出','的','贡献','。']ATT(2018,年)ATT(年,日)ATT(7,月)ATT(月,日)ATT(26,日)ADV(日,举行)WP(，,日)ATT(华为,创始人)ATT(创始人,任正非)SBV(任正非,举行)ADV(向,举行)ATT(5G极化码,之父)WP((,Po

依存句法分析的效果虽然没有像分词、NER的效果来的好，但也有其使用价值，在日常的工作中，我们免不了要和其打交道。笔者这几天一直在想如何分析依存句法分析的结果，一个重要的方面便是其可视化和它的图分析。

我们使用的NLP工具为jieba和LTP，其中jieba用于分词，LTP用于词性标注和句法分析，需要事件下载pos.model和parser.model文件。

本文使用的示例句子为：

raphviz仅仅只是一个可视化工具。那么，我们该用什么样的工具来进行图分析呢？  答案就是NetworkX。以下是笔者对于NetworkX应用于依存句法分析的可视化和图分析的展示，其中图分析展示了两

2018年7月26日，华为创始人任正非向5G极化码(Polar码)之父埃尔达尔教授举行颁奖仪式，表彰其对于通信领域做出的贡献。

r和Compile之间的通信桥梁，达到数据变化->视图更新；视图交互变化(input)->数据model变更的双向绑定效果。描述下vue从初始化页面--修改数据--刷新页面UI的过程？

首先，让我们来看一下没有可视化效果之前的句法分析结果。Python代码如下:

控DOM。      为什么React不精确监听数据变化呢？这是因为Vue和React设计理念上的区别，Vue使用的是可变数据，而React更强调数据的不可变。2.数据流的不同Vue中默认支持双向绑定

# -*- coding: utf-8 -*-

import os

import jieba

from pyltp import Postagger, Parser

sent = "2018年7月26日，华为创始人任正非向5G极化码(Polar码)之父埃尔达尔教授举行颁奖仪式，表彰其对于通信领域做出的贡献。"

jieba.add_word("Polar码")

jieba.add_word("5G极化码")

jieba.add_word("埃尔达尔")

jieba.add_word("之父")

words = list(jieba.cut(sent))

print(words)

# 词性标注

pos_model_path = os.path.join(os.path.dirname(__file__), "data/pos.model")

postagger = Postagger()

postagger.load(pos_model_path)

postags = postagger.postag(words)

# 依存句法分析

par_model_path = os.path.join(os.path.dirname(__file__), "data/parser.model")

parser = Parser()

parser.load(par_model_path)

arcs = parser.parse(words, postags)

rely_id = [arc.head for arc in arcs] # 提取依存父节点id

relation = [arc.relation for arc in arcs] # 提取依存关系

heads = ["Root" if id == 0 else words[id-1] for id in rely_id] # 匹配依存父节点词语

for i in range(len(words)):

print(relation[i] + "(" + words[i] + ", " + heads[i] + ")")

输出结果如下：

rsent="2018年7月26日，华为创始人任正非向5G极化码(Polar码)之父埃尔达尔教授举行颁奖仪式，表彰其对于通信领域做出的贡献。"jieba.add_word("P

["2018", "年", "7", "月", "26", "日", "，", "华为", "创始人", "任正非", "向", "5G极化码", "(", "Polar码", ")", "之父", "埃尔达尔", "教授", "举行", "颁奖仪式", "，", "表彰", "其", "对于", "通信", "领域", "做出", "的", "贡献", "。"]

ATT(2018, 年)

ATT(年, 日)

ATT(7, 月)

ATT(月, 日)

ATT(26, 日)

ADV(日, 举行)

WP(，, 日)

ATT(华为, 创始人)

ATT(创始人, 任正非)

SBV(任正非, 举行)

ADV(向, 举行)

ATT(5G极化码, 之父)

WP((, Polar码)

COO(Polar码, 5G极化码)

WP(), Polar码)

ATT(之父, 埃尔达尔)

ATT(埃尔达尔, 教授)

POB(教授, 向)

HED(举行, Root)

VOB(颁奖仪式, 举行)

WP(，, 举行)

COO(表彰, 举行)

ATT(其, 贡献)

ADV(对于, 做出)

ATT(通信, 领域)

POB(领域, 对于)

ATT(做出, 贡献)

RAD(的, 做出)

VOB(贡献, 表彰)

WP(。, 举行)

我们得到了该句子的依存句法分析的结果，但是其可视化效果却不好。

我们使用Graphviz工具来得到上述依存句法分析的可视化结果，代码(接上述代码)如下：

ds[i]=="Root":g.edge(words[i],"Root",label=relation[i])else:g.edge(heads[i],"Roo

from graphviz import Digraph

g = Digraph("测试图片")

g.node(name="Root")

for word in words:

g.node(name=word)

for i in range(len(words)):

if relation[i] not in ["HED"]:

g.edge(words[i], heads[i], label=relation[i])

else:

if heads[i] == "Root":

g.edge(words[i], "Root", label=relation[i])

else:

g.edge(heads[i], "Root", label=relation[i])

g.view()

得到的依存句法分析的可视化图片如下：

通信的桥梁，主要做的事情是:在自身实例化时往属性订阅器(dep)里面添加自己自身必须有一个update()方法待属性变动dep.notice()通知时，能调用自身的update()方法，并触发Comp

在这张图片中，我们有了对依存句法分析结果的直观感觉，效果也非常好，但是遗憾的是，我们并不能对上述可视化结果形成的图(Graph)进行图分析，因为Graphviz仅仅只是一个可视化工具。那么，我们该用什么样的工具来进行图分析呢？

答案就是NetworkX。以下是笔者对于NetworkX应用于依存句法分析的可视化和图分析的展示，其中图分析展示了两个节点之间的最短路径。示例的Python代码如下：

词性标注和句法分析，需要事件下载pos.model和parser.model文件。  本文使用的示例句子为：2018年7月26日，华为创始人任正非向5G极化码(Polar码)之父埃尔达尔教授举行颁奖仪

# 利用networkx绘制句法分析结果

import networkx as nx

import matplotlib.pyplot as plt

from pylab import mpl

mpl.rcParams["font.sans-serif"] = ["Arial Unicode MS"] # 指定默认字体

G = nx.Graph() # 建立无向图G

# 添加节点

for word in words:

G.add_node(word)

G.add_node("Root")

# 添加边

for i in range(len(words)):

G.add_edge(words[i], heads[i])

source = "5G极化码"

target1 = "任正非"

distance1 = nx.shortest_path_length(G, source=source, target=target1)

print(""%s"与"%s"在依存句法分析图中的最短距离为: %s" % (source, target1, distance1))

target2 = "埃尔达尔"

distance2 = nx.shortest_path_length(G, source=source, target=target2)

print(""%s"与"%s"在依存句法分析图中的最短距离为: %s" % (source, target2, distance2))

nx.draw(G, with_labels=True)

plt.savefig("undirected_graph.png")

得到的可视化图片如下：

)如下：fromgraphvizimportDigraphg=Digraph("测试图片")g.node(name="Root")forwordinwords:g.no

输出的结果如下：

h,matched,name等路由信息参数。router是“路由实例对象”，包括了路由的跳转方法(push、replace)，钩子函数等。说一下Vue和React的认识，做一个简单的对比1.监听数据变

"5G极化码"与"任正非"在依存句法分析图中的最短距离为: 6

"5G极化码"与"埃尔达尔"在依存句法分析图中的最短距离为: 2

本次到此结束，希望这篇简短的文章能够给读者带来一些启发～

;.js文件ES6语法-->ES5语法Sass,Less,Stylus-->CSS对jpg,png,font等静态资源的处理热更新定义环境变量，区分dev和production模式...如

注意：不妨了解下笔者的微信公众号： Python爬虫与算法(微信号为：easy_web_scrape)， 欢迎大家关注~

ATT(之父,埃尔达尔)ATT(埃尔达尔,教授)POB(教授,向)HED(举行,Root)VOB(颁奖仪式,举行)WP(，,举行)COO(表彰,举行)ATT(其,贡献)ADV(对于,做出)ATT(通信