句法是指句子的各个组成部分的相互关系，句法分析分为句法结构分析（syntactic structure parsing）和依存关系分析(dependency parsing)。句法结构分析用于获取整个句子的句法结构，依存分析用于获取词汇之间的依存关系，目前的句法分析已经从句法结构分析转向依存句法分析。浏览器
依存语法经过分析语言单位内成分之间的依存关系揭示其句法结构，主张句子中核心动词是支配其它成分的中心成分，而它自己却不受其它任何成分的支配，全部受支配成分都以某种依存关系从属于支配者。ide
在20世纪70年代，Robinson提出依存语法中关于依存关系的四条公理：ui
- 一个句子中只有一个成分是独立的；
- 其它成分直接依存于某一成分；
- 任何一个成分都不能依存与两个或两个以上的成分；
- 若是A成分直接依存于B成分，而C成分在句中位于A和B之间，那么C或者直接依存于B，或者直接依存于A和B之间的某一成分；
一，依存关系
依存关系是一个中心词与其从属之间的二元非对称关系，一个句子的中心词一般是动词（Verb），全部其余词要么依赖于中心词，要么经过依赖路径与它关联。url
1，依存关系spa
依存结构是加标签的有向图，箭头从中心词指向从属，具体来讲，箭头是从head指向child，从该解析树能够看出，每一个Token只有一个Head。.net
2，关系标签3d
标签表示从属的语法功能，名词性的标签是：code
- root：中心词，一般是动词
- nsubj：名词性主语（nominal subject）
- dobj：直接宾语（direct object）
- prep：介词
- pobj：介词宾语
- cc：连词
其余经常使用的标签：orm
- compound：复合词
- advmod：状语
- det：限定词
- amod：形容词修饰语
二，解析依存关系
SpaCy可以快速准确地解析句子的依存关系，而且具备丰富的API用于导航依存关系树，SpaCy使用head和child来描述依存关系中的链接，识别每一个Token的依存关系：blog
- token.text：token的文本
- token.head：当前Token的Parent Token，从语法关系上来看，每个Token都只有一个Head。
- token.dep_：依存关系
- token.children：语法上的直接子节点
- token.ancestors：语法上的父节点
- _pos：词性
- _tag：词性
让我使用SpaCy来对句子进行依存分析：
import spacy nlp = spacy.load('en') doc = nlp( "spaCy uses the terms head and child to describe the words" ) for token in doc: print('{0}({1}) <-- {2} -- {3}({4})'.format(token.text, token.tag_, token.dep_, token.head.text, token.head.tag_))
打印每一个Token的依存关系和head节点，箭头表示从属关系，获得的结果是：
spaCy(NNP) <-- nsubj -- uses(VBZ) uses(VBZ) <-- ROOT -- uses(VBZ) the(DT) <-- det -- head(NN) terms(NNS) <-- compound -- head(NN) head(NN) <-- dobj -- uses(VBZ) and(CC) <-- cc -- head(NN) child(NN) <-- conj -- head(NN) to(TO) <-- aux -- describe(VB) describe(VB) <-- xcomp -- uses(VBZ) the(DT) <-- det -- words(NNS) words(NNS) <-- dobj -- describe(VB)
也可使用display来显示依存关系，在浏览器中输入 http://localhost:5000 显示依存结构：
import spacy from spacy import displacy nlp = spacy.load('en') doc = nlp( "spaCy uses the terms head and child to describe the words" ) displacy.serve(doc, style='dep')
参考文档：