子树提取NLTK树

Question

我需要一些NLTK树的帮助。

我试图从这个法国树中提取一些子树：

(SENT (NP-SUJ↓ (PRO=H Personne)) (VN=H (ADV* ne) (V=H sait)) (ADV* exactement) (PONCT* .))

我只想提取POS标签末尾有'= H'的树，然后添加父节点：

像这样：(NP-SUJ↓ (PRO=H Personne)) and this: (VN=H (V=H sait))

我写了一个函数：

def AddParent(tree):
    grammar = []
    for subtree in tree.subtrees():
        if subtree.height()==2 and subtree.label().endswith("=H"):
            PartialTree = ParentedTree(subtree.parent().label(), 
                               [ParentedTree(subtree.label(), subtree)])
            grammar.append(PartialTree)
    return grammar

#Test
pt = ParentedTree.fromstring("(SENT (NP-SUJ↓ (PRO=H Personne)) (VN=H (ADV* ne) (V=H sait)) (ADV* exactement) (PONCT* .))")
AddParent(pt)
[ParentedTree('NP-SUJ↓', [ParentedTree('PRO=H', ['Personne'])]), 
ParentedTree('VN=H', [ParentedTree('V=H', ['sait'])])]

我在这里有两个问题：首先，我想继续向原始树中的子树添加信息。例如，我想继续添加祖先节点，然后添加子节点，以执行以下操作：

(SENT (NP-SUJ↓ ) (VN=H (V=H sait)))

但是我忘记了原来的树......

其次，parent()函数返回其中包含的所有子树。我只想拥有特定的节点。

提取最后一个子树的好方法是什么？

非常感谢你的帮助！我是新手，但我真的很喜欢！

Answer 1

我不能说我理解您对parent()的抱怨（也许您的意思是subtrees()？），但是有更简单的方法来接触子树：

1. 表面改进：subtrees()函数接受filter参数，因此您无需在代码中检查返回的子树：

   for subtree in tree.subtrees(filter=lambda t: t.label().endswith("=H"))
   

2. 子树是对原始树的子部分的引用。如果你不修改它，它仍然是原始的一部分，你可以提升树（因为你使用＆＃34;父级＆＃34;树。）事实上，请注意，如果你修改内容对于子树，将修改原始树。但是，不是嵌入您在新节点下找到的树，而是构建一个全新的副本：

   partial = ParentedTree(subtree.parent().label(), [ subtree.copy() ])
   

   然后，您可以自由删除或更改副本中的分支，并且仍然可以使用原始tree和subtree。

3. 虽然您可以使用parent()方法爬上树，但我经常发现使用＆＃34;树位置＆＃34;更方便。树位置是整数元组，它作为树下的路径（使用它像列表中的整数索引）。要查找父级，您只需要切掉树位置的最后一个元素：

   for postn in tree.treepositions():
       if tree.label().endswith("=H"):
           parentpos = postn[:-1]   # everything but the last element
           partial = Tree(tree[parentpos].label(), [ tree[postn] ])
   

   请注意，如果您使用此方法，则不再需要parent()方法，因此您也可以使用Tree，而不是ParentedTree。

上述内容可能并不能完全符合您的要求（很难看到您正在做的事情），但我希望您能够了解到这一点。