Treebank的Python数据结构？

Question

我正在寻找处理Penn Treebank结构的Python数据结构。这是Treebank的样子：

( (S
    (NP-SBJ (PRP He) )
    (VP (VBD shouted) )
    (. .) ))

基本上，我想要一个数据结构，我可以问诸如“主题NP的孩子是什么？”或“什么类型的短语支配代词？”，最好是在Python中。有人有线索吗？

Answer 1

NLTK modules可能是在Python中实现Penn Treebank和其他NLP相关内容的良好开端。

Answer 2

我仍然建议使用NLTK来读取树库（参见例如this blog post），但我可以想象它不支持这种一般性查询。

  

“NP主题的孩子是什么？”

这将是dict，比如children，将非终结符映射到非终结符或子节点的sets。

  

“什么类型的短语支配代词？”

这将是另一个dict，比如parents，将非终结点映射到非终结符的sets。

您可能希望构建树节点的关系数据库。确切的模式取决于您想要询问的查询类型，但请务必查看Python sqlite3模块。

或者，您可以使用XML和use XPath to query it重新编码树库。 LXML是Python的最佳XML / XPath库，恕我直言。