9.2处理特征结构

这一节内容为如何构建特征结构以及在NLTK中操作。

NLTK提供了特征结构使用的构造函数FeatStruct()声明。

>>>fs1 = nltk.FeatStruct(TENSE='past',NUM='sg')>>>printfs1

[ NUM= 'sg']

[ TENSE= 'past' ]

将特征结构作为图来查看往往是有用的(有向无环图)

也会出现结构共享，或者重入。如图：

当两条路径具有相同的值时，被称为等价。

在代码中表示结构共享，如下所示：

>>>print nltk.FeatStruct("""[NAME='Lee',ADDRESS=(1)[NUMBER=74,STREET='ruePascal'],

... SPOUSE=[NAME='Kim', ADDRESS->(1)]]""")

[ ADDRESS= (1) [ NUMBER= 74] ]

[ [ STREET= 'rue Pascal'] ]

[ ]

[ NAME= 'Lee']

[ ]

[ SPOUSE=[ ADDRESS-> (1) ] ]

[ [ NAME= 'Kim' ] ]

包含和统一

包含：一个更一般的特征结构包含一个较少一般的。

统一：合并两个特征结构的信息被成为统一。

>>>fs1 = nltk.FeatStruct(NUMBER=74,STREET='ruePascal')>>>fs2 = nltk.FeatStruct(CITY='Paris')>>>printfs1.unify(fs2)

[ CITY= 'Paris']

[ NUMBER=74]

[ STREET= 'rue Pascal']

结构共享也可以使用变量表示，如?x

>>>fs1 = nltk.FeatStruct("[ADDRESS1=[NUMBER=74, STREET='ruePascal']]")>>>fs2 = nltk.FeatStruct("[ADDRESS1=?x,ADDRESS2=?x]")>>>printfs2

[ ADDRESS1=?x ]

[ ADDRESS2=?x ]>>>printfs2.unify(fs1)

[ ADDRESS1= (1) [ NUMBER= 74] ]

[ [ STREET= 'rue Pascal'] ]

[ ]

[ ADDRESS2-> (1)

9.3扩展基于特征的文法

在本节，将会探索各种语言问题，并展示将特征纳入文法的好处。

子类别

VP[TENSE=?t,NUM=?n]-> V[SUBCAT=intrans,TENSE=?t,NUM=?n]

VP[TENSE=?t,NUM=?n]-> V[SUBCAT=trans,TENSE=?t,NUM=?n]NP

VP[TENSE=?t,NUM=?n]-> V[SUBCAT=clause,TENSE=?t,NUM=?n]SBar

V[SUBCAT=intrans,TENSE=pres,NUM=sg]-> 'disappears' | 'walks'V[SUBCAT=trans,TENSE=pres,NUM=sg]-> 'sees' | 'likes'V[SUBCAT=clause,TENSE=pres,NUM=sg]-> 'says' | 'claims'V[SUBCAT=intrans,TENSE=pres,NUM=pl]-> 'disappear' | 'walk'V[SUBCAT=trans,TENSE=pres,NUM=pl]-> 'see' | 'like'V[SUBCAT=clause,TENSE=pres,NUM=pl]-> 'say' | 'claim'V[SUBCAT=intrans,TENSE=past]-> 'disappeared' | 'walked'V[SUBCAT=trans,TENSE=past]-> 'saw' | 'liked'V[SUBCAT=clause,TENSE=past]-> 'said' | 'claimed'

SBar代表从句标签。

SBar->CompS

Comp-> 'that'

You claim that youlike children.这句话的产生的结构如下：

例如这句话：put the book on the table

可以表示为：

V[SUBCAT=]

其中，NP代表主语，后面跟着PP的NP，补语子类别。

所以，Kimput the bookonthe table，这句话可以被解析为：

核心词回顾

X-bar句法通过抽象出短语级别的概念。通常认为有三个级别。

例如，如图所示：

结构36a的核心词是N，N",N'被称为N的投影。N"是最大的投影，N有时也称作零投影。

一个词汇核心X的直接补语子类别总是位于核心词的兄弟的位置，而修饰成分位于中间类别X'的兄弟的位置。

S -> N[BAR=2]V[BAR=2]

N[BAR=2]-> DetN[BAR=1]

N[BAR=1]-> N[BAR=1]P[BAR=2]

N[BAR=1]-> N[BAR=0]P[BAR=2]

助动词与倒装

(39)a. Doyoulike children?

b.CanJodywalk?

(40)a. Rarelydoyousee Kim.

b.NeverhaveI seen this dog.

但是不是什么动词都能放在前面的。可以放在从句开头的术语叫做助动词。例如：do can have，也包括be,will,shall

我们可以使用下面这个表达式：

S[+INV]-> V[+AUX] NP VP

标记[+inv]说明，包含一个助动词。

AUX区分是否是助动词。

SUBCAT代表子类别。

无限制依赖成分

填充词和缺口之间的距离没有上界。这一事实可以很容易地使用包含句子补语的成分来说明。

a. Who do you like __?

b.Who do you claim that you like __?

c.Who do you claim that Jody says that you like __?

广义短语文法中处理形式化文法的无限依赖：

一个斜线类别的形式是Y/XP；我们解释为：类别Y的短语缺少一个类别XP的子成分。例如：S/NP是缺少一个NP的S。

>>>nltk.data.show_cfg('grammars/book_grammars/feat1.fcfg')%start S#####################GrammarProductions####################

S[-INV] ->NPVP

S[-INV]/?x -> NPVP/?x

S[-INV] -> NPS/NP

S[-INV] -> Adv[+NEG]S[+INV]

S[+INV]-> V[+AUX]NPVP

S[+INV]/?x-> V[+AUX]NPVP/?x

SBar-> CompS[-INV]

SBar/?x-> CompS[-INV]/?x

VP-> V[SUBCAT=intrans,-AUX]

VP-> V[SUBCAT=trans,-AUX] NP

VP/?x-> V[SUBCAT=trans,-AUX] NP/?x

VP-> V[SUBCAT=clause,-AUX] SBar

VP/?x-> V[SUBCAT=clause,-AUX] SBar/?x

VP-> V[+AUX]VP

VP/?x-> V[+AUX]VP/?x#####################LexicalProductions####################

V[SUBCAT=intrans,-AUX] -> 'walk' | 'sing'V[SUBCAT=trans,-AUX] -> 'see' | 'like'V[SUBCAT=clause,-AUX] -> 'say' | 'claim'V[+AUX]-> 'do' | 'can'NP[-WH]-> 'you' | 'cats'NP[+WH]-> 'who'Adv[+NEG]-> 'rarely' | 'never'NP/NP->Comp-> 'that'

使用文法来解析句子：

>>>tokens = 'who doyouclaim that youlike'.split()>>>from nltk importload_parser>>>cp = load_parser('grammars/book_grammars/feat1.fcfg')>>>for tree incp.nbest_parse(tokens):

...printtree

(S[-INV]

(NP[+WH] who)

(S[+INV]/NP[]

(V[+AUX] do)

(NP[-WH] you)

(VP[]/NP[]

(V[-AUX, SUBCAT='clause']claim)

(SBar[]/NP[]

(Comp[] that)

(S[-INV]/NP[]

(NP[-WH] you)

(VP[]/NP[] (V[-AUX, SUBCAT='trans']like) (NP[]/NP[] )))))))