自然语言处理 |创建浅树

先决条件：扁平化深树

我们通过仅保留最低级别的子树来扁平化深度树。但是在这里我们可以保留最高级别的子树。

代码 #1：让我们了解shallow_tree()

from nltk.tree import Tree
  
def shallow_tree(tree):
        children = []
          
    for t in tree:
        if t.height() < 3:
            children.extend(t.pos())
    else:
        children.append(Tree(t.label(), t.pos()))
          
    return Tree(tree.label(), children)

代码 #2：评估

from transforms import shallow_tree
from nltk.corpus import treebank
   
print ("Deep Tree : \n", treebank.parsed_sents()[0])
  
print ("\nShallow Tree : \n", shallow_tree(treebank.parsed_sents()[0]) )

输出 ：

Deep Tree : 
 (S
  (NP-SBJ
    (NP (NNP Pierre) (NNP Vinken))
    (,, )
    (ADJP (NP (CD 61) (NNS years)) (JJ old))
    (,, ))
  (VP
    (MD will)
    (VP
      (VB join)
      (NP (DT the) (NN board))
      (PP-CLR (IN as) (NP (DT a) (JJ nonexecutive) (NN director)))
      (NP-TMP (NNP Nov.) (CD 29))))
  (. .))

Shallow Tree :
Tree('S', [Tree('NP-SBJ', [('Pierre', 'NNP'), ('Vinken', 'NNP'), (', ', ', '), 
('61', 'CD'), ('years', 'NNS'), ('old', 'JJ'), (', ', ', ')]),
Tree('VP', [('will', 'MD'), ('join', 'VB'), ('the', 'DT'), ('board', 'NN'), 
('as', 'IN'), ('a', 'DT'), ('nonexecutive', 'JJ'), ('director', 'NN'), 
('Nov.', 'NNP'), ('29', 'CD')]), ('.', '.')])

这个怎么运作 ？

• shallow_tree()函数通过遍历每个顶级子树来创建新的子树。
• 如果子树的 height() 小于 3，则子树将替换为其带有词性标记的子项的列表。
• 如果树的孩子是词性标记的叶子，则所有其他子树都被新树替换。
• 因此，消除了所有嵌套子树，同时仍保留顶级子树。

代码#3：高度

print ("height of tree : ", 
       treebank.parsed_sents()[0].height())
  
print ("\nheight of shallow tree : ", 
       shallow_tree(treebank.parsed_sents()[0]).height())

输出 ：

height of tree : 7

height of shallow tree :3