NLP|创建浅树

原文:https://www.geeksforgeeks.org/nlp-creating-shallow-tree/

先决条件:展平深树

我们只保留了最低级别的子树，从而展平了深树。但是这里我们可以保留最高级别的子树。

代码#1:让我们理解shallow_tree()T2】

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')]), ('.', '.')])


它是如何工作的？

• 函数的作用是:通过迭代每个顶级子树来创建新的子树。


• 如果子树的高度()小于 3，则该子树被其词性标记子树的列表替换。


• 如果树的子树是带词性标记的叶子，则所有其他子树将被新树替换。


• 因此，消除了所有嵌套的子树，同时仍然保留顶级子树。

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