子树提取 NLTK 树

Question

我需要 NLTK 树的一些帮助。

我试图从这棵法国树中提取一些子树：

(SENT (NP-SUJ? (PRO=H Personne)) (VN=H (ADV* ne) (V=H sait)) (ADV* exactement) (PONCT* .))

我只想提取 POS 标签末尾带有 '=H' 的树，然后添加父节点：

像这样： (NP-SUJ? (PRO=H Personne)) and this: (VN=H (V=H sait))

我写了一个函数来这样做：

def AddParent(tree):
    grammar = []
    for subtree in tree.subtrees():
        if subtree.height()==2 and subtree.label().endswith("=H"):
            PartialTree = ParentedTree(subtree.parent().label(), 
                               [ParentedTree(subtree.label(), subtree)])
            grammar.append(PartialTree)
    return grammar

#Test
pt = ParentedTree.fromstring("(SENT (NP-SUJ? (PRO=H Personne)) (VN=H (ADV* ne) (V=H sait)) (ADV* exactement) (PONCT* .))")
AddParent(pt)
[ParentedTree('NP-SUJ?', [ParentedTree('PRO=H', ['Personne'])]), 
ParentedTree('VN=H', [ParentedTree('V=H', ['sait'])])]

我在这里有两个问题：首先，我想继续向原始树中的那些子树添加信息。例如，我想继续添加祖先节点，然后添加子节点，以执行以下操作：

(SENT (NP-SUJ? ) (VN=H (V=H sait)))

但我失去了原始树的踪迹......

其次，该parent()函数返回其中包含的所有子树。我只想拥有特定的节点。

提取最后一个子树的好方法是什么？？？

非常感谢您的帮助！我是新手，但我真的很喜欢它！

Answer 1

我不能说我理解你的抱怨parent()（也许你的意思是subtrees()？），但有更简单的方法来获得子树：

1. 表面改进：该subtrees()函数接受一个filter参数，因此您不必检查代码中返回的子树：

   for subtree in tree.subtrees(filter=lambda t: t.label().endswith("=H"))
   

2. 子树是对原始树的子部分的引用。如果你不修改它，它仍然是原始树的一部分，你可以提升树（因为你使用了“parented”树。）事实上，注意如果你对子树的内容进行修改，原始树将被修改。 但是不是将您找到的树嵌入到新节点下，而是构建一个全新的副本：

   partial = ParentedTree(subtree.parent().label(), [ subtree.copy() ])
   

   然后您可以自由删除或更改副本中的分支，并且您仍然拥有原始tree和subtree可以使用的分支。

3. 虽然您可以使用该parent()方法爬上树，但我经常发现使用“树位置”更方便。树的位置是一个整数元组，它充当树的路径（使用它就像列表上的整数索引）。要找到父级，您只需要切掉 treeposition 的最后一个元素：

   for postn in tree.treepositions():
       if tree[postn].label().endswith("=H"):
           parentpos = postn[:-1]   # everything but the last element
           partial = Tree(tree[parentpos].label(), [ tree[postn] ])
   

   请注意，如果您使用此方法，则不再需要该parent()方法，因此您最好使用Tree，而不是ParentedTree。

上面的内容可能并没有完全按照您的要求做（很难看出您在做什么），但我希望您能了解情况。