我正在尝试从其解析树中提取Chomsky Normal Form(CNF) - 一个句子的语法产生:
(ROOT
(S
(NP (DT the) (NNS kids))
(VP (VBD opened)
(NP (DT the) (NN box))
(PP (IN on)
(NP (DT the) (NN floor))))))
我将整个树放入名为S的字符串中,然后:
tree = Tree.fromstring(S)
tree.chomsky_normal_form()
for p in tree.productions():
print p
输出
(1) NN -> 'box'
(2) PP -> IN NP
(3) DT -> 'the'
(4) ROOT -> S
(5) NP -> DT NN
(6) VBD -> 'opened'
(7) VP|<NP-PP> -> NP PP
(8) VP -> VBD VP|<NP-PP>
(9) NP -> DT NNS
(10) NN -> 'floor'
(11) IN -> 'on'
(12) NNS -> 'kids'
(13) S -> NP VP
但有些作品(7号和8号)似乎不是CNF!有什么问题?
答案 0 :(得分:4)
VP|<NP-PP>
是 一个 非终结符号。垂直条并不意味着传统意义上的多种选择。相反,NLTK将其放在那里以指示规则的来源,即“这个新的非终结符号来自VP和NP-PP的组合”。这是NLTK创建的新生产规则,用于将语法转换为乔姆斯基范式。
看看CNF之前的树的制作:
ROOT -> S
S -> NP VP
NP -> DT NNS
DT -> 'the'
NNS -> 'kids'
VP -> VBD NP PP ***
VBD -> 'opened'
NP -> DT NN
DT -> 'the'
NN -> 'box'
PP -> IN NP
IN -> 'on'
NP -> DT NN
DT -> 'the'
NN -> 'floor'
具体来说,请查看规则VP -> VBD NP PP
,它不在CNF中(任何生产规则的RHS上必须有两个非终结符号)
您的问题中的两个规则(7):VP|<NP-PP> -> NP PP
和(8):VP -> VBD VP|<NP-PP>
在功能上等同于更一般的规则VP -> VBD NP PP
。
检测到VP
时,规则应用程序会生成:
VBD VP|<NP-PP>
而且,VP|<NP-PP>
是创建的生产规则的LHS,其结果为:
VBD NP PP
具体来说,如果您孤立规则本身,您可以查看特定符号(确实是单数):
>>> tree.chomsky_normal_form()
>>> prod = tree.productions()
>>> x = prod[7] # VP|<NP-PP> -> NP PP
>>> x.lhs().symbol() # Singular!
u'VP|<NP-PP>'