NLP 中的依賴解析【舉例說明】

自然語言處理是一個跨學科概念，它利用計算語言學和人工智能的基礎知識來理解人類語言如何與技術交互。

NLP 需要深入理解各種術語和概念，才能將它們切實地應用於現實世界的場景。 其中一些基本概念包括詞性 (POS) 標記、統計語言建模、句法、語義和情感分析、規範化、標記化、依賴解析和選區解析等。

在本文中，我們將研究 Dependency Parsing 的基礎知識，以了解它是如何在 NLP 中實現的。

依賴解析

依存分析（DP）是指檢查一個句子的單詞之間的依存關係來分析它的語法結構。 在此基礎上，一個句子被分成幾個部分。 該機制基於句子的每個語言單元之間存在直接聯繫的概念。 這些鏈接稱為依賴關係。

讓我們以“我更喜歡早上飛往丹佛的航班”為例。

下圖解釋了句子的依賴結構：

資源

句子的每個語言單元或單詞之間的關係，使用類型化依存結構中的有向弧來表示。 如圖所示，“prefer”樹的根構成了上述句子的頭部。

任何兩個單詞之間的關係都由依賴標籤標記。 例如，“飛行”一詞修飾了名詞“丹佛”的意思。 因此，您可以注意到航班 -> 丹佛的依賴關係，其中航班是頭部，丹佛是孩子或被撫養人。 它由表示名義修飾符的nmod表示。

這形成了每兩個單詞之間的依賴關係，其中一個充當頭部，另一個充當依賴。 目前， Universal Dependency V2分類法由 37 個通用句法關係組成，如下表所示：

使用 NLTK 進行依賴解析

依賴解析可以使用自然語言工具包 (NLTK) 包來執行，該包是人類語言的統計自然語言處理 (NLP) 中使用的庫和代碼的集合。

我們可以通過以下方法之一使用 NLTK 來實現依賴解析：

1. 概率、投射依賴解析器：這些解析器使用從手工解析的句子中收集的人類語言知識來預測新句子。 眾所周知，他們會犯錯誤並使用一組有限的訓練數據。
2. 斯坦福解析器：這是一個在 Java 上實現的自然語言解析器。 您需要Stanford CoreNLP 解析器來執行依賴解析。 解析器包括多種語言，包括英語、中文、德語和阿拉伯語。

以下是如何使用解析器：

從 nltk.parse.stanford 導入 StanfordDependencyParser

path_jar = 'path_to/stanford-parser-full-2014-08-27/stanford-parser.jar'

path_models_jar = 'path_to/stanford-parser-full-2014-08-27/stanford-parser-3.4.1-models.jar'

dep_parser = StanfordDependencyParser(

path_to_jar = path_jar，path_to_models_jar = path_models_jar

)

result = dep_parser.raw_parse('我在睡夢中射殺了一頭大象')

依賴 = result.next()

列表（依賴。triples（））

上述程序的輸出如下：

[

((u'shot', u'VBD'), u'nsubj', (u'I', u'PRP')),

((u'shot', u'VBD'), u'dobj', (u'elephant', u'NN')),

((u'elephant', u'NN'), u'det', (u'an', u'DT')),

((u'shot', u'VBD'), u'prep', (u'in', u'IN')),

((u'in', u'IN'), u'pobj', (u'sleep', u'NN')),

((u'sleep', u'NN'), u'poss', (u'my', u'PRP$'))

]

選區解析

選區解析基於上下文無關語法。 這裡，分析樹包括分成子短語的句子，每個子短語屬於一個語法類別。 句子中的每個語言單元或單詞都充當終端節點，該節點具有其父節點和詞性標記。

例如，短語“a cat”和“a box under the bed”是名詞短語，而“write a letter”和“drive a car”是動詞短語。

讓我們考慮一個例句“我穿著睡衣射殺了一頭大象”。 這是選區分析樹的圖形表示：

資源

左邊的解析樹表示拍攝穿著睡衣的大象，右邊的解析樹表示拍攝對象穿著睡衣拍攝大象。

整個句子被分成幾個子階段，直到我們剩下終結詞。 VP 表示動詞短語，NP 表示名詞短語。

依賴解析與選區解析

選區解析也可以使用斯坦福解析器來實現。 它本質上根據選區解析器解析給定的句子，然後將選區解析樹轉換為依賴樹。

如果您的目標是將句子分成子短語，則應實施選區解析。 但是，如果你想探索一個句子中單詞之間的依賴關係，你應該使用依賴解析。

結帳： NLP 項目的想法和主題

結論

如果您覺得這篇文章有幫助，您應該查看 upGrad 為期 6 個月的機器學習和 NLP PG 認證，該認證提供來自 Flipkart、Gramener 和 Zee5 行業專家的個性化指導。

該計劃專為希望在數據科學和機器學習領域立足的工程師、軟件/IT、數據和其他專業人士而設計。 這份來自 IIIT BBangalorethe 的研究生認證擁有 58% 的平均加薪，這就是您在頂級公司中擔任數據分析師、數據科學家、ML 工程師和 NLP 工程師高級職位所需要的一切。 今天只需 Rs 就可以坐下。 每月 3,034 個！