NLP：比较这两个句子。这是错误分类吗？

Question

我正在使用 spacy 的依赖解析。我对这两个非常相似的句子感到困惑。

第 1 句：

text='He noted his father was a nice guy.'

请注意，这句话中的“father”显然是“father was a nice guy”的主语：

[(0, 'He', '-PRON-', 'PRON', 'PRP', 'nsubj'), (1, 'noted', 'note', 'VERB', 'VBD', 'ROOT'), (2, 'his', '-PRON-', 'DET', 'PRP$', 'poss'), (3, 'father', 'father', 'NOUN', 'NN', 'nsubj'), (4, 'was', 'be', 'VERB', 'VBD', 'ccomp'), (5, 'a', 'a', 'DET', 'DT', 'det'), (6, 'nice', 'nice', 'ADJ', 'JJ', 'amod'), (7, 'guy', 'guy', 'NOUN', 'NN', 'attr'), (8, '.', '.', 'PUNCT', '.', 'punct')]

        noted              
  ________|_____            
 |   |         was         
 |   |     _____|___        
 |   |  father     guy     
 |   |    |      ___|___    
 He  .   his    a      nice

for child in the_verb.children:
    print(child,child.dep_)
    
>> father nsubj
>> guy attr

for ancestor in the_verb.ancestors:
    print(ancestor,ancestor.dep_)
    
>> noted ROOT

第二句：

text='He noted his father, as \"a man with different attributes\", was a nice guy.'

这是上一句的一个小变化。 “父亲”不再是主语了。

[(0, 'He', '-PRON-', 'PRON', 'PRP', 'nsubj'), (1, 'noted', 'note', 'VERB', 'VBD', 'ROOT'), (2, 'his', '-PRON-', 'DET', 'PRP$', 'poss'), (3, 'father', 'father', 'NOUN', 'NN', 'dobj'), (4, ',', ',', 'PUNCT', ',', 'punct'), (5, 'as', 'as', 'ADP', 'IN', 'prep'), (6, '"', '"', 'PUNCT', '``', 'punct'), (7, 'a', 'a', 'DET', 'DT', 'det'), (8, 'man', 'man', 'NOUN', 'NN', 'pobj'), (9, 'with', 'with', 'ADP', 'IN', 'prep'), (10, 'different', 'different', 'ADJ', 'JJ', 'amod'), (11, 'attributes', 'attribute', 'NOUN', 'NNS', 'pobj'), (12, '"', '"', 'PUNCT', "''", 'punct'), (13, ',', ',', 'PUNCT', ',', 'punct'), (14, 'was', 'be', 'VERB', 'VBD', 'conj'), (15, 'a', 'a', 'DET', 'DT', 'det'), (16, 'nice', 'nice', 'ADJ', 'JJ', 'amod'), (17, 'guy', 'guy', 'NOUN', 'NN', 'attr'), (18, '.', '.', 'PUNCT', '.', 'punct')]

                noted                                 
  ________________|____________________________        
 |   |   |   |    |         as                 |      
 |   |   |   |    |         |                  |       
 |   |   |   |    |        man                 |      
 |   |   |   |    |      ___|______            |       
 |   |   |   |    |     |   |     with        was     
 |   |   |   |    |     |   |      |           |       
 |   |   |   |  father  |   a  attributes     guy     
 |   |   |   |    |     |   |      |        ___|___    
 He  ,   ,   .   his    "   "  different   a      nice


the_verb=spacy_doc[14]

for child in the_verb.children:
    print(child,child.dep_)
    
>> guy attr

for ancestor in the_verb.ancestors:
    print(ancestor,ancestor.dep_)
    
>> noted ROOT

我试图了解 spacy 如何对句子进行分类。第二种情况是错误分类错误吗？我的意思是“父亲”仍然应该是主题？

Answer 1

我想知道您是否正在考虑使用解析树而不是依赖树...

老实说，我一直对依赖树感到困惑。它们擅长识别结构之间的相对连接，但我认为它们不擅长确定绝对语义结构。短语结构规则非常擅长确定具体名词、动词及其成分的绝对词性；虽然仍然不完美。虽然依赖解析器可用于检测名词块、介词短语和推断动词短语，但我认为这不是它的主要功能。这是解析树的主要功能。

回到你的问题：

您将“父亲”作为主题的方式听起来像是您试图理解深层句法结构（绝对），但使用的是相对模型（依赖解析器）。

从本质上讲，我相信“作为一个具有不同属性的人”这句话是在向依赖关系树添加层。这些层将实际主语“他的父亲”与动词短语“是个好人”分开。我想它为逗号添加了一层，为引号添加了另一层，为 as 子句添加了另一层。直到最终，依赖解析器应该确定的相对关系“太过分了”。

句法分析只能与生成它们的模型一样好。事实上，您会看到 SpaCy 有 2 个 POS 指示符，它们都尝试执行句法分析。一个由依赖解析器生成（在 token.dep_ 下可用），另一个由统计模型生成（在 token.pos_ 下可用）。您还会看到，由于预测它们的模型的不精确性，这些 POS 指标并不总是匹配。

出于兴趣，我相信NLTK 有一个更传统的基于短语结构规则的解析树可用；尽管这些也有局限性。如果您想要深入，对现实生活中的句子进行核心句法分析，您可能想尝试Head-driven phrase structure grammar (HPSG) 之类的方法，但您会发现事情开始变得只是一点 有点技术性。 :)