选区解析器和依赖解析器之间的区别

Posted

技术标签:

【中文标题】选区解析器和依赖解析器之间的区别【英文标题】:Difference between constituency parser and dependency parser 【发布时间】:2012-05-11 04:18:15 【问题描述】:

选区解析器依赖解析器有什么区别?两者有什么不同的用法?

【问题讨论】:

【参考方案1】:

选区分析树将文本分成子短语。树中的非终结符是短语的类型,终结符是句子中的单词,边缘是未标记的。对于一个简单的句子“John sees Bill”,选区解析将是:

                  Sentence
                     |
       +-------------+------------+
       |                          |
  Noun Phrase                Verb Phrase
       |                          |
     John                 +-------+--------+
                          |                |
                        Verb          Noun Phrase
                          |                |
                        sees              Bill

依赖解析根据单词之间的关系连接单词。树中的每个顶点代表一个词,子节点是依赖于父节点的词,边由关系标记。 “John sees Bill”的依赖解析将是:

              sees
                |
        +--------------+
subject |              | object
        |              |
      John            Bill

您应该使用最接近目标的解析器类型。如果您对句子中的子短语感兴趣,您可能需要选区解析。如果您对单词之间的依赖关系感兴趣,那么您可能需要依赖解析。

斯坦福解析器可以给你任何一个 (online demo)。实际上,它真正起作用的方式是始终使用选区解析器解析句子,然后,如果需要,它会对选区解析树执行确定性(基于规则)的转换,以将其转换为依赖树。

更多信息可以在这里找到:

http://en.wikipedia.org/wiki/Phrase_structure_grammar

http://en.wikipedia.org/wiki/Dependency_grammar

【讨论】:

关于NLP,成分解析的应用在哪里?依赖解析非常有用,但我究竟可以在哪里使用组成解析输出? > 基于成分的解析方法提供了类似的信息,但通常必须通过第 11 章中讨论的头部查找规则等技术从树中提炼出来。web.stanford.edu/~jurafsky/slp3/11.pdf @arjun 成分解析有很多应用程序。这里仅举一个例子,在从文本中提取信息/关系时,您可能只需要从文本中提取 VP/NP/子句,然后将这些短语/子句对分类为是否指示关系类型。所以在这种情况下,我不一定需要短语/子句中的细粒度关系信息,但我只需要短语/子句跨越文本。这就是选区解析器派上用场的时候。

以上是关于选区解析器和依赖解析器之间的区别的主要内容,如果未能解决你的问题,请参考以下文章

DRF的解析器和渲染器

DRF解析器和渲染器

DRF解析器和渲染器 񧠰

DRF的解析器和渲染器

DRF的解析器和渲染器

Python之迭代器和列表解析