python - 比较两个相似的、不相同的 NLTK 树

Question

我正在尝试编写一个程序，它将接受两个句子并检查它们是否相似。我不想使用成熟的解析器，而是使用我认为最常遇到的简单语法创建了一个解析器。现在，我的兴趣在于句子中的名词短语。检查标记为名词短语的子树是否相等很容易。我想对此添加更多内容，让用户决定是否接受缺失/不匹配的确定符(部分匹配)。

输出树的形式是(S(NP The/DT bag/NN) is/VBZ(JP blue/JJ))，这里我定义了语法名词短语(NP)和形容词短语(JP)

为了进行匹配，我考虑了一些路线:

• 删除相关树中的确定节点，然后进行比较
• 将所有确定节点的值更改为一个公共(public)值，比如 X
• 列出除标记为“DT”的所有叶节点

我是 python 的新手，在这里遇到了一些问题:

• 如果我编写一个递归函数来遍历名词短语树，直到到达带有限定词的叶子，我无法修改原始树中的值，因为它只是传递值。

• 我发现的关于 nltk 树的唯一删除函数是需要删除节点相对于树根的确切索引，格式如 [0,0] 如果它是根节点最左边 child 的最左边 child 。这很难获得，因为对于每个节点，它很可能涉及一个随着树的高度增长的整数列表

• 我创建了一个列表列表，其中每个列表都包含一个名词短语的所有叶子，不包括限定词，并比较了这些。

所以，我的问题是，

如何从 NLTK 树中删除一个节点，而不先获取它的 [0,0,1,0,...] 形式的索引？

如何在不使用索引的情况下再次修改叶值？(我想使用递归函数，每当函数遇到我想修改的叶时，我都想修改它)

如果这些都不可能，我怎样才能获得叶子的索引？我对此感到困惑。 Nltk 树有一个 treeposition 函数，但这只适用于子树。与其他节点相比，Python 是否认为叶子是不同的类型？因为 treeposition 不适用于我的叶子。这可能是因为我的叶子是元组而不仅仅是字符串，但我不知道如何更改它，因为这是 pos 标记器的输出。那么有没有什么方法可以替换我的叶子，它是 [the/DT] 形式的元组和 (DT the) 形式的子树？再次定义递归过程不会修改原始树。

有什么建议/意见吗？

Answer 1

好的，让我们一一解答您的问题。

tree = Tree.parse("(S (NP The/DT bag/NN) is/VBZ (JP blue/JJ))")

删除一个节点:

tree.remove(Tree('JP', ['blue/JJ']))

tree.remove('is/VBZ')

修改一个值。您可以通过获取树成员的索引来做到这一点(记住，它继承了列表):

tree.index('is/VBZ')

但同样，这不是一个好方法。

遍历叶子的最佳方法是使用 tree.leaves() 获取叶子，然后使用 tree.leaf_treeposition(index) 获取索引，并使用它们就地修改/删除叶子。