Treebank 的 Python 数据结构？

Question

我正在寻找一个处理 Penn Treebank 结构的 Python 数据结构。这是 Treebank 的示例：

( (S
    (NP-SBJ (PRP He) )
    (VP (VBD shouted) )
    (. .) ))

本质上，我想要一个数据结构，我可以询问诸如“主题 NP 的孩子是什么？”之类的问题。或“哪些类型的短语主导代词？”，最好是用 Python 语言。有人知道吗？

Answer 1

NLTK 模块 可能是在 Python 中实现 Penn Treebank 和其他 NLP 相关内容的良好开端。

Answer 2

我仍然建议使用 NLTK 来读取树库（参见例如 这篇博文），但我可以想象它不支持这种一般查询。

“主体 NP 的孩子是什么？”

这将是一个dict，例如children，将非终结符映射到非终结符或子节点的集。

“什么类型的短语在代词中占主导地位？”

这将是另一个dict，例如parents，将非终结符映射到非终结符的集合。

您可能想要构建树节点的关系数据库。确切的模式取决于您想要询问哪种类型的查询，但请务必查看 Python sqlite3 模块。

或者，您可以以 XML 和 使用XPath来查询。恕我直言，LXML 是 Python 最好的 XML/XPath 库。