Question

我正在尝试使用从以下代码获得的POS标签构建PCFG：

from nltk.corpus import treebank

corpus = treebank.tagged_sents(tagset='universal')
tags = set()

for sent in corpus:
    for (word, tag) in sent: 
        tags.add(tag)

tags = list(tags)
print tags

给予，

['ADV', 'NOUN', 'ADP', 'PRON', 'DET', '.', 'PRT', 'NUM', 'X', 'CONJ', 'ADJ', 'VERB']

我需要使用上面的POS标签生成PCFG。但是，当我尝试使用规则构建语法时

nltk.grammar.PCFG.fromstring("""T5 -> . NT6 [0.136235]""")

它产生

ValueError: Unable to parse line 1: T5 -> . NT6 [0.136235]
Expected a nonterminal, found: . NT6 [0.136235]

我认为异常表明＆＃34;。＆＃34;在nltk.grammar.PCFG中不是有效的非终端。但我想知道是否有一个简洁的方法来解决这个问题。

相关

nltk cant interpret grammar category PRP$ output by stanford parser提供了一个很好的解决方案来添加＆＃39; $＆＃39;从treebank tagset到语法。但是树冠POS标签集再次包含单引号（＆＃39;＆＃39;）作为POS标签，它不是有效的符号。

这个问题是否有一个巧妙的解决方法，而无需在语法中添加每个特殊字符？

Answer 1

我得到了这个问题的答案。不使用fromstring方法，而是通过传递nltk.ProbabilisticProduction个对象和nltk.Nonterminal对象的列表来生成PCFG对象，如下所示：

from nltk import ProbabilisticProduction 
from nltk.grammar import PCFG
from nltk import  Nonterminal as NT

g = ProbabilisticProduction(NT('TS'), [NT('.'), NT('NT6')], prob=1)

# Adding a terminal production
g = ProbabilisticProduction(NT('NT6'), ['terminal'], prob = 1)

start = NT('Q0')  # Q0 is the start symbol for my grammar
PCFG(start, [g]) # Takes a list of ProbabilisticProductions

从通用标签集生成PCFG

1 个答案: