自然語言處理基礎技術之成分句法分析
宣告：轉載請註明出處，謝謝：https://blog.csdn.net/m0_37306360/article/details/84670800
另外，更多實時更新的個人學習筆記分享，請關注：
知乎：https://www.zhihu.com/people/yuquanle/columns
公眾號：StudyForAI
首先依舊來查查它的定義：
-
百度百科定義：句子的組成成分叫句子成分，也叫句法成分。在句子中，詞與詞之間有一定的組合關係，按照不同的關係，可以把句子分為不同的組成成分。句子成分由詞或片語充當。
-
維基百科定義：The constituency-based parse trees of constituency grammars (= phrase structure grammars) distinguish between terminal and non-terminal nodes. The interior nodes are labeled by non-terminal categories of the grammar, while the leaf nodes are labeled by terminal categories.
-
句法結構分析是指對輸入的單詞序列（一般為句子）判斷其構成是否合乎給定的語法，分析出合乎語法的句子的句法結構。句法結構一般用樹狀資料結構表示，通常稱之為句法分析樹(syntactic parsing tree)或簡稱分析樹（parsing tree），而完成這種分析過程的程式模組稱為句法結構分析器（syntactic parser），也簡稱分析器（parser）。
基本任務：
句法結構分析的基本任務主要有三個：
- 判斷輸入的字串是否屬於某種語言
- 消除輸入句子中的詞法和結構等方面的歧義
- 分析輸入句子的內部結構，如成分構成、上下文關係等。
如果一個句子有多種結構表示，句法分析器應該分析出該句子最有可能的結構。有時人們也把句法結構分析稱為語言或句子識別。
一般構造一個句法分析器需要考慮二部分：語法的形式化表示和詞條資訊描述問題，分析演算法的設計。目前在自然語言處理中廣泛使用的是上下文無關文法（CFG）和基於約束的文法（又稱合一語法）。
基本方法：
句法結構分析可以分為基於規則的分析方法、基於統計的分析方法以及近年來基於深度學習的方法。
- 基於規則的分析方法：其基本思路是由人工組織語法規則，建立語法知識庫，通過條件約束和檢查來實現句法結構歧義的消除。
- 基於統計的分析方法：統計句法分析中目前最成功當屬基於概率上下文無關文法(PCFG或SCFG)。該方法採用的模型主要包括詞彙化的概率模型(lexicalized probabilistic model)和非詞彙化的概率模型(unlexicalized probabilistic model)兩種。
- 基於深度學習的分析方法：近幾年深度學習在nlp基礎任務取得了不錯的效果，湧現出了大量的論文，等以後看完再寫~~
短語結構和依存結構關係：
短語結構樹可以被一一對應地轉化成依存關係樹，反過來則不然，因為一棵依存關係樹可能對應多個短語結構樹。轉化方法可以通過如下實現：
- 定義中心詞抽取規則，產生中心詞表；
- 根據中心詞表，為句法樹中每個結點選擇中心子結點；
- 同一層內將非中心子結點的中心詞依存到中心子結點的中心詞上，下一層的中心詞依存到上一層的中心詞上，從而得到相應的依存結構。
推薦工具：
- StanfordCoreNLP：斯坦福的，提供依存句法分析功能。
Github地址：https://github.com/Lynten/stanford-corenlp
官網：https://stanfordnlp.github.io/CoreNLP/ - Berkeley Parser：伯克利大學nlp組開源的工具。提供英文的句法分析功能。
官方地址：http://nlp.cs.berkeley.edu/software.shtml - SpaCy：工業級的自然語言處理工具，遺憾的是不支援中文。
Gihub地址：https://github.com/explosion/spaCy
官網：https://spacy.io/