algorithm - 从 CYK 算法(自然语言处理)生成解析树的步骤

Question

我目前正在从事一个涉及 NLP 的项目。我已经实现了 Jurafsky 和 ​​Martin 中给出的 CKY 标识符(第 450 页的算法)。这样生成的表实际上将非终结符存储在表中(而不是通常的 bool 值)。但是，我遇到的唯一问题是检索解析树。

这是我的 CKY 标识符作用的说明:

这是我的语法

          S -> NP VP 
          S -> VP 
          NP -> MODAL PRON | DET NP | NOUN VF | NOUN | DET NOUN | DET FILENAME
          MODAL -> 'MD'
          PRON -> 'PPSS' | 'PPO'
          VP -> VERB NP
          VP -> VERB VP
          VP -> ADVERB VP
          VP -> VF
          VERB -> 'VB' | 'VBN'
          NOUN -> 'NN' | 'NP'
          VF -> VERB FILENAME
          FILENAME -> 'NN' | 'NP'
          ADVERB -> 'RB'
          DET -> 'AT'

这是算法:

for j  from i to LENGTH(words) do
    table[j-1,j] = A where A -> POS(word[j])
    for i from j-2 downto 0
        for k from i+1 to j-1
            table[i,j] = Union(table[i,j], A such that A->BC)
            where B is in table[i,k] and C is in table[k,j]

这是我的解析表在填充后的样子:

现在我知道由于 S 位于 [0,5] 中，字符串已被解析，并且对于 k = 1(根据 Martin 和 Jurafsky 中给出的算法)，我们有 S -> table[0 ][2] 表[2][5] 即 S -> NP VP

我得到的唯一问题是我已经能够检索使用的规则，但是它们的格式很困惑，即不是基于它们在解析树中的出现。有人可以建议一种算法来检索正确的解析树吗？

谢谢。

Answer 1

您应该以递归方式访问表格的单元格，并以与处理 S 节点相同的方式展开它们，直到一切都成为终端(这样您就没有其他任何东西可以展开了)。在您的示例中，您首先转到单元格 [0][2]；这是一个终端，你不需要做任何事情。接下来转到 [2][5]，这是 [2][3] 和 [3][5] 制作的非终结符。您访问 [2][3]，这是一个终端。 [3][5] 是一个非终端，由两个终端组成。你完成了。这是 Python 中的演示:

class Node:
    '''Think this as a cell in your table'''
    def __init__(self, left, right, type, word):
        self.left = left
        self.right = right
        self.type = type
        self.word = word

# Declare terminals
t1 = Node(None,None,'MOD','can')
t2 = Node(None,None,'PRON','you')
t3 = Node(None,None,'VERB', 'eat')
t4 = Node(None,None,'DET', 'a')
t5 = Node(None,None,'NOUN','flower')

# Declare non-terminals
nt1 = Node(t1,t2, 'NP', None)
nt2 = Node(t4,t5, 'NP', None)
nt3 = Node(t3,nt2,'VP', None)
nt4 = Node(nt1,nt3,'S', None)

def unfold(node):
    # Check for a terminal
    if node.left == None and node.right == None:
        return node.word+"_"+node.type

    return "["+unfold(node.left)+" "+unfold(node.right)+"]_"+node.type

print unfold(nt4)

输出:

[[can_MOD you_PRON]_NP [eat_VERB [a_DET flower_NOUN]_NP]_VP]_S