句法是指句子的各個組成部分的相互關係，句法分析分爲句法結構分析（syntactic structure parsing）和依存關係分析(dependency parsing)。句法結構分析用於獲取整個句子的句法結構，依存分析用於獲取詞彙之間的依存關係，目前的句法分析已經從句法結構分析轉向依存句法分析。瀏覽器
依存語法經過分析語言單位內成分之間的依存關係揭示其句法結構，主張句子中核心動詞是支配其它成分的中心成分，而它自己卻不受其它任何成分的支配，全部受支配成分都以某種依存關係從屬於支配者。ide
在20世紀70年代，Robinson提出依存語法中關於依存關係的四條公理：ui
- 一個句子中只有一個成分是獨立的；
- 其它成分直接依存於某一成分；
- 任何一個成分都不能依存與兩個或兩個以上的成分；
- 若是A成分直接依存於B成分，而C成分在句中位於A和B之間，那麼C或者直接依存於B，或者直接依存於A和B之間的某一成分；
一，依存關係
依存關係是一箇中心詞與其從屬之間的二元非對稱關係，一個句子的中心詞一般是動詞（Verb），全部其餘詞要麼依賴於中心詞，要麼經過依賴路徑與它關聯。url
1，依存關係spa
依存結構是加標籤的有向圖，箭頭從中心詞指向從屬，具體來講，箭頭是從head指向child，從該解析樹能夠看出，每一個Token只有一個Head。.net
2，關係標籤3d
標籤表示從屬的語法功能，名詞性的標籤是：code
- root：中心詞，一般是動詞
- nsubj：名詞性主語（nominal subject）
- dobj：直接賓語（direct object）
- prep：介詞
- pobj：介詞賓語
- cc：連詞
其餘經常使用的標籤：orm
- compound：複合詞
- advmod：狀語
- det：限定詞
- amod：形容詞修飾語
二，解析依存關係
SpaCy可以快速準確地解析句子的依存關係，而且具備豐富的API用於導航依存關係樹，SpaCy使用head和child來描述依存關係中的鏈接，識別每一個Token的依存關係：blog
- token.text：token的文本
- token.head：當前Token的Parent Token，從語法關係上來看，每個Token都只有一個Head。
- token.dep_：依存關係
- token.children：語法上的直接子節點
- token.ancestors：語法上的父節點
- _pos：詞性
- _tag：詞性
讓我使用SpaCy來對句子進行依存分析：
import spacy nlp = spacy.load('en') doc = nlp( "spaCy uses the terms head and child to describe the words" ) for token in doc: print('{0}({1}) <-- {2} -- {3}({4})'.format(token.text, token.tag_, token.dep_, token.head.text, token.head.tag_))
打印每一個Token的依存關係和head節點，箭頭表示從屬關係，獲得的結果是：
spaCy(NNP) <-- nsubj -- uses(VBZ) uses(VBZ) <-- ROOT -- uses(VBZ) the(DT) <-- det -- head(NN) terms(NNS) <-- compound -- head(NN) head(NN) <-- dobj -- uses(VBZ) and(CC) <-- cc -- head(NN) child(NN) <-- conj -- head(NN) to(TO) <-- aux -- describe(VB) describe(VB) <-- xcomp -- uses(VBZ) the(DT) <-- det -- words(NNS) words(NNS) <-- dobj -- describe(VB)
也可使用display來顯示依存關係，在瀏覽器中輸入 http://localhost:5000 顯示依存結構：
import spacy from spacy import displacy nlp = spacy.load('en') doc = nlp( "spaCy uses the terms head and child to describe the words" ) displacy.serve(doc, style='dep')
參考文檔：