使用NLTK训练维特比树解析器以进行POS标记输入

Question

很抱歉，如果我的问题是基本的，但我是NLP的新手，我仍然想要掌握一些概念。

我想使用NLTK库中的Viterbi算法实现使用UPenn树库训练树解析器。但是，我希望我的解析器将已经被POS标记的句子作为输入。换句话说，我希望它只识别较浅的非终端产品。

使用已经训练过的Stanford解析器的NLTK包装器，只需使用有用的tagged_parse模块即可实现：

from nltk.parser import stanford

stanford_parser = stanford.StanfordParser()
parsed_sentence = stanford_parser.tagged_parse(tagged_sentence)

其中tagged_sentence是包含标记化句子和相应POS标记的元组列表。例如：

tagged_sentence = [('hello', 'VB'), ('stack', 'NN'), ('exchange', 'NN')]

我的问题是：如何在NLTK Viterbi解析器中实现等效的tagged_parse？

注意：为了训练维特比解析器，我遵循Section 3 of these handout solutions。其他有关Python培训资源的参考资料也将受到赞赏。