Python和NLTK实现自然语言处理

第6章　转换组块与树

本章将介绍以下内容。

• 过滤句子中无意义的单词。
• 纠正动词形式。
• 交换动词短语。
• 交换名词基数。
• 交换不定式短语。
• 单数化复数名词。
• 链接组块变换。
• 将组块树转换为文本。
• 平展深度树。
• 创建浅树。
• 转换树标签。

6.1　引言

既然你知道如何从一个句子中得到组块或短语，那么你能使用它们做些什么呢？本章将展示在组块和树上如何进行各种变换。组块变换是为了纠正语法错误，并重新安排短语，而不丧失意义。树转换为读者提供了修改和展平深度解析树的方式。本章详细介绍的函数修改数据，而不是从数据中学习。这意味着不加选择地应用它们是不安全的。对需要转换的数据有个透彻的了解，同时进行一些实验，有助于你确定何时应用何种函数。

在本章中，每次使用术语组块时，这指的是由组块器抽取出来的实际组块，或简单而言，这也可能指使用标注单词列表的形式表示的较短的短语或句子。在本章中，重要的是你使用组块能做些什么，而不是组块来自何处。

6.2　过滤句子中无意义的单词

当涉及区别短语含义时，许多最常用的单词是没有意义的。例如，在短语the movie was terrible中，最有意义的单词是movie 和terrible，而the和was几乎是毫无用处的。如果去掉它们，你也可以得到相同的信息，即movie terrible或terrible movie。无论哪种方式，感情是一样的。本节讨论如何通过查看词性标签，删除无关紧要的单词，保留有意义的单词。

6.2.1　准备工作

首先，需要决定哪些词性标签有意义，哪些没有意义。浏览treebank语料库，查看停用词，得到无意义的单词和标签，如下表所示。

单词	标签
a	DT
all	PDT
an	DT