Python 树库的数据结构？

Question

我在找一种可以处理Penn Treebank结构的Python数据结构。下面是Treebank的一个示例：

( (S
    (NP-SBJ (PRP He) )
    (VP (VBD shouted) )
    (. .) ))

简单来说，我想要一个数据结构，可以让我问一些问题，比如“主语的孩子节点是什么？”或者“哪些短语类型主导这个代词？”，最好是用Python来实现。有没有人知道该怎么做？

Answer 1

我还是建议使用NLTK来读取树库（可以参考一下这篇博客），不过我能想象它可能不支持这种通用查询。

“主语名词短语的孩子是什么？”

这会是一个叫做children的字典，里面把非终结符映射到一组非终结符或子节点。

“什么类型的短语主导了这个代词？”

这会是另一个字典，叫做parents，里面把非终结符映射到一组非终结符。

你可能想要建立一个树节点的关系数据库。具体的结构取决于你想要查询什么，但一定要看看Python的sqlite3模块。

另外，你也可以把树库重新编码成XML格式，然后用XPath来查询。我认为LXML是Python中最好的XML/XPath库。

Answer 2

NLTK模块可能是用Python实现Penn Treebank和其他自然语言处理相关内容的一个不错的起点。