从 nltk 树中获取单词的深度

Question

我正在做一个 nlp 项目，我想根据它在依赖树中的位置过滤掉单词。

为了绘制树，我使用了这个 :

中的代码

def to_nltk_tree(node):

    if node.n_lefts + node.n_rights > 0:
        return Tree(node.orth_, [to_nltk_tree(child) for child in node.children])
    else:
        return node.orth_

例句：

"A group of people around the world are suddenly linked mentally"

我得到了这棵树：

我想从这棵树中得到一个元组列表，其中包含单词及其在树中的相应深度：

[(linked,1),(are,2),(suddenly,2),(mentally,2),(group,2),(A,3),(of,3),(people,4)....]

对于这种情况，我对没有孩子的单词不感兴趣：[are,suddenly,mentally,A,the] 所以到目前为止我能做的就是只得到有 children 的单词列表，所以我使用这个代码：

def get_words(root,words):
    children = list(root.children)
    for child in children:
        if list(child.children):
            words.append(child)
            get_words(child,words)
    return list(set(words)

[to_nltk_tree(sent.root).pretty_print() for sent in doc.sents]
s_root = list(doc.sents)[0].root
words = []
words.append(s_root)    
words = get_words(s_root,words)
words

[around, linked, world, of, people, group]

从这里我怎样才能得到包含单词及其各自深度的所需元组？

Answer 1

您确定您的代码中有 nltk Tree 吗？ nltk 的 Tree class 没有 children 属性。使用 nltk Tree，您可以使用 "treepositions" 做您想做的事，这些路径是树下的路径。每条路径都是分支选择的元组。 "people"的treeposition是(0, 2, 1, 0)，你可以看到一个节点的深度就是它的treeposition的长度。

首先我得到了叶子的路径，所以我可以排除它们：

t = nltk.Tree.fromstring("""(linked (are suddenly mentally 
                                     (group A (of (people (around (world the)))))))""")
n_leaves = len(t.leaves())
leavepos = set(t.leaf_treeposition(n) for n in range(n_leaves))

现在很容易列出非终端节点及其深度：

>>> for pos in t.treepositions():
        if pos not in leavepos:
            print(t[pos].label(), len(pos))
linked 0
are 1
group 2
of 3
people 4
around 5
world 6

顺带一提，nltk树有自己的显示方式。尝试 print(t) 或 t.draw()，这会在弹出窗口中绘制树 window。

从 nltk 树中获取单词的深度

Get the depth of words from a nltk tree

python

tree

nlp

nltk

spacy