自然语言处理与计算语言学

第7章　依存分析

第5章和第6章中介绍了spaCy的NLP流水线是如何执行各种复杂的计算语言学算法的，如词性标注和NER标注。不过，这并不是spaCy的全部功能，本章将探讨依存分析，以及如何在各种场景中使用它。在使用spaCy进行实际操作之前，我们还是先来了解依存分析的理论知识，并训练自定义的依存分析器。本章介绍的主题如下：

• 依存分析；
• 用Python实现依存分析；
• 从头开始训练一个依存分析器；
• 总结。

7.1　依存分析

文本的语法解析仍然是文本处理步骤中最重要的过程之一。它不仅限于自然语言和计算机语言，语法解析的思想可以扩展到任何符合某种形式语法规则的数据结构。

这意味着为了能够进行任何类型的解析，我们需要两种工具：语法解析器和语法。那么语法解析器到底是什么？

我们可以把它理解成分析句子或分解句子来理解结构的一种方法。分解句子来理解其底层结构的方法是构成语法解析的关键，我们可以尝试许多不同的方法来解释句子的结构。

之所以在这里提到句子，是因为它与自然语言相关，但是语法解析是一种可以对任何具有形式语法的语句执行的活动。例如，我们来看下面这个简单的算术语句：((7+3)*(5−2))。

怎样得到图7.1中的树状结构？图中的4个数字是最基本的4个主要组成部分，其他符号表示这些数字之间的相互作用。遵循标准的BODMAS算法规则，我们首先完成括号内的操作。然后通过数学符号（+、−、*）来描述关联树的叶子是如何关联的，叶子指的是树的最底部的节点，如数字7、3、5和2。图7.1解释了我们如何解析这样的语句。

图7.1　解析数学表法式的例子

介绍完语法解析的概念，下面将重点放在它与本书的关系上。即使在自然语言处理的世界里，术语解析也可能意味着两件不同的事情。传统的语法解析是指理解一个词在一个句子中的意思。在计算语言学的背景下，它也可以指通过一种算法进行的形式化分析，这种算法产生一棵语法解析树（与图7.1的树含义相似）。 ...