4
我已经从atis语法生成了语法，现在我想添加一些我自己的规则，特别是句子终端，我可以这样做吗？NLTK：我可以将终端添加到已经生成的语法中
import nltk
grammar = nltk.data.load('grammars/large_grammars/atis.cfg')
到grammar我想添加更多终端。
A
回答
4
总之：是的，它是可能的，但你会在痛苦的赫克得到的，它更容易使用atis.cfg作为基础，然后读取新的文本文件CFG重写你的CFG。它更容易，而不是重新分配每一个新的终端，以正确的非终端映射它们
在长，请参阅以下
首先，让我们看看在NLTK一个CFG语法是什么，它包含：
>>> import nltk
>>> g = nltk.data.load('grammars/large_grammars/atis.cfg')
>>> dir(g)
['__class__', '__delattr__', '__dict__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__module__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__unicode__', '__weakref__', '_all_unary_are_lexical', '_calculate_grammar_forms', '_calculate_indexes', '_calculate_leftcorners', '_categories', '_empty_index', '_immediate_leftcorner_categories', '_immediate_leftcorner_words', '_is_lexical', '_is_nonlexical', '_leftcorner_parents', '_leftcorner_words', '_leftcorners', '_lexical_index', '_lhs_index', '_max_len', '_min_len', '_productions', '_rhs_index', '_start', 'check_coverage', 'fromstring', 'is_binarised', 'is_chomsky_normal_form', 'is_flexible_chomsky_normal_form', 'is_leftcorner', 'is_lexical', 'is_nonempty', 'is_nonlexical', 'leftcorner_parents', 'leftcorners', 'max_len', 'min_len', 'productions', 'start', 'unicode_repr']
有关详细信息，请参阅https://github.com/nltk/nltk/blob/develop/nltk/grammar.py#L421
好像端子和非终端是Production类型，参见https://github.com/nltk/nltk/blob/develop/nltk/grammar.py#L236，即
语法生成。每个生产将“左侧”上的一个符号 映射到“右侧”上的符号序列上。 （在上下文无关的情况下， 的左侧必须是
Nonterminal，右侧的 一侧是一系列终端，Nonterminals。） “终端”可以是任何不可变的可哈希对象，即 不是Nonterminal。通常，终端是表示单词的字符串 ，例如"dog"或"under"。
那么让我们来看看语法如何存储的作品：
>>> type(g._productions)
<type 'list'>
>>> g._productions[-1]
zero -> 'zero'
>>> type(g._productions[-1])
<class 'nltk.grammar.Production'>
所以，现在，好像我们只能创建nltk.grammar.Production对象，并把它们添加到grammar._productions。
让我们尝试与原来的语法：
>>> import nltk
>>> original_grammar = nltk.data.load('grammars/large_grammars/atis.cfg')
>>> original_parser = ChartParser(original_grammar)
>>> sent = ['show', 'me', 'northwest', 'flights', 'to', 'detroit', '.']
>>> for i in original_parser.parse(sent):
... print i
... break
...
(SIGMA
(IMPR_VB
(VERB_VB (show show))
(NP_PPO
(pt_pron_ppo me)
(NAPPOS_NP (NOUN_NP (northwest northwest))))
(NP_NNS (NOUN_NNS (pt207 flights)) (PREP_IN (to to)))
(AVPNP_NP (NOUN_NP (detroit detroit)))
(pt_char_per .)))
原来的语法不具备终端singapore：
>>> sent = ['show', 'me', 'northwest', 'flights', 'to', 'singapore', '.']
>>> for i in original_parser.parse(sent):
... print i
... break
...
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/api.py", line 49, in parse
return iter(self.parse_all(sent))
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/chart.py", line 1350, in parse_all
chart = self.chart_parse(tokens)
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/chart.py", line 1309, in chart_parse
self._grammar.check_coverage(tokens)
File "/usr/local/lib/python2.7/dist-packages/nltk/grammar.py", line 631, in check_coverage
"input words: %r." % missing)
ValueError: Grammar does not cover some of the input words: u"'singapore'".
之前，我们尝试添加singapore到语法，让我们看看如何detroit存储在语法中：
>>> original_grammar._rhs_index['detroit']
[detroit -> 'detroit']
>>> type(original_grammar._rhs_index['detroit'])
<type 'list'>
>>> type(original_grammar._rhs_index['detroit'][0])
<class 'nltk.grammar.Production'>
>>> original_grammar._rhs_index['detroit'][0]._lhs
detroit
>>> original_grammar._rhs_index['detroit'][0]._rhs
(u'detroit',)
>>> type(original_grammar._rhs_index['detroit'][0]._lhs)
<class 'nltk.grammar.Nonterminal'>
>>> type(original_grammar._rhs_index['detroit'][0]._rhs)
<type 'tuple'>
>>> original_grammar._rhs_index[original_grammar._rhs_index['detroit'][0]._lhs]
[NOUN_NP -> detroit, NOUN_NP -> detroit minneapolis toronto]
所以现在我们可以尝试重新创建singapore相同Production对象：
# First let's create Non-terminal for singapore.
>>> nltk.grammar.Nonterminal('singapore')
singapore
>>> lhs = nltk.grammar.Nonterminal('singapore')
>>> rhs = [u'singapore']
# Now we can create the Production for singapore.
>>> singapore_production = nltk.grammar.Production(lhs, rhs)
# Now let's try to add this Production the grammar's list of production
>>> new_grammar = nltk.data.load('grammars/large_grammars/atis.cfg')
>>> new_grammar._productions.append(singapore_production)
但它仍然没有工作，但导致给终端本身并不真正帮助它涉及到CFG，因此新加坡的休息仍然没有语法分析：
>>> new_grammar = nltk.data.load('grammars/large_grammars/atis.cfg')
>>> new_grammar._productions.append(singapore_production)
>>> new_parser = ChartParser(new_grammar)
>>> sent = ['show', 'me', 'northwest', 'flights', 'to', 'singapore', '.']
>>> new_parser.parse(sent)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/api.py", line 49, in parse
return iter(self.parse_all(sent))
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/chart.py", line 1350, in parse_all
chart = self.chart_parse(tokens)
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/chart.py", line 1309, in chart_parse
self._grammar.check_coverage(tokens)
File "/usr/local/lib/python2.7/dist-packages/nltk/grammar.py", line 631, in check_coverage
"input words: %r." % missing)
ValueError: Grammar does not cover some of the input words: u"'singapore'".
从下面我们知道，新加坡是像底特律和底特律导致这个左handside LHS NOUN_NP -> detroit：
>>> original_grammar._rhs_index[original_grammar._rhs_index['detroit'][0]._lhs]
[NOUN_NP -> detroit, NOUN_NP -> detroit minneapolis toronto]
所以我们需要做的是，要么添加另一个生产为新加坡，导致NOUN_NP终结符号或我们的新加坡LHS追加到NOUN_NP非终结符右手边：
>>> lhs = nltk.grammar.Nonterminal('singapore')
>>> rhs = [u'singapore']
>>> singapore_production = nltk.grammar.Production(lhs, rhs)
>>> new_grammar._productions.append(singapore_production)
现在让我们添加新的生产NOUN_NP -> singapore ：
lhs2 = nltk.grammar.Nonterminal('NOUN_NP')
new_grammar._productions.append(nltk.grammar.Production(lhs2, [lhs]))
现在我们应该期待我们的解析器可以工作：
sent = ['show', 'me', 'northwest', 'flights', 'to', 'singapore', '.']
print new_grammar.productions()[2091]
print new_grammar.productions()[-1]
new_parser = nltk.ChartParser(new_grammar)
for i in new_parser.parse(sent):
print i
[OUT]：
Traceback (most recent call last):
File "test.py", line 31, in <module>
for i in new_parser.parse(sent):
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/api.py", line 49, in parse
return iter(self.parse_all(sent))
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/chart.py", line 1350, in parse_all
chart = self.chart_parse(tokens)
File "/usr/local/lib/python2.7/dist-packages/nltk/parse/chart.py", line 1309, in chart_parse
self._grammar.check_coverage(tokens)
File "/usr/local/lib/python2.7/dist-packages/nltk/grammar.py", line 631, in check_coverage
"input words: %r." % missing)
ValueError: Grammar does not cover some of the input words: u"'singapore'".
但它看起来像语法仍然没有认识到我们已经添加了新的终端和非终结符，所以让我们尝试一个黑客和输出我们的新的语法转换为字符串，并创建一个新的语法从输出字符串：
import nltk
lhs = nltk.grammar.Nonterminal('singapore')
rhs = [u'singapore']
singapore_production = nltk.grammar.Production(lhs, rhs)
new_grammar = nltk.data.load('grammars/large_grammars/atis.cfg')
new_grammar._productions.append(singapore_production)
lhs2 = nltk.grammar.Nonterminal('NOUN_NP')
new_grammar._productions.append(nltk.grammar.Production(lhs2, [lhs]))
# Create newer grammar from new_grammar's string
newer_grammar = nltk.grammar.CFG.fromstring(str(new_grammar).split('\n')[1:])
# Reassign new_grammar's string to newer_grammar !!!
newer_grammar._start = new_grammar.start()
newer_grammar
sent = ['show', 'me', 'northwest', 'flights', 'to', 'singapore', '.']
print newer_grammar.productions()[2091]
print newer_grammar.productions()[-1]
newer_parser = nltk.ChartParser(newer_grammar)
for i in newer_parser.parse(sent):
print i
break
[OUT]：
(SIGMA
(IMPR_VB
(VERB_VB (show show))
(NP_PPO
(pt_pron_ppo me)
(NAPPOS_NP (NOUN_NP (northwest northwest))))
(NP_NNS (NOUN_NNS (pt207 flights)) (PREP_IN (to to)))
(AVPNP_NP (NOUN_NP (singapore singapore)))
(pt_char_per .)))
相关问题
- 1. 将语言添加到NLTK WordNet
- 2. 我可以添加text.toLowerCase（）;到一个已经运作的脚本？
- 3. 可以将依赖关系添加到已经构建的.rpm中吗？
- 4. 我可以将经理添加到多人关系吗？
- 5. 我可以将范围信息添加到用`--regex-<LANG>`在生成的ctags中生成的标签吗？
- 6. 我可以将自己的声音添加到TTS，并可以用我自己的声音生成段落吗？
- 7. 我无法登录到phpMyAdmin，但我可以在终端
- 8. 我可以将完成（Intellisense）文件添加到语言支持扩展吗？
- 9. 将Maven生成的网站添加到生成的包中
- 10. 将错误生成添加到语法中的策略是什么？
- 11. 我可以将IBActions添加到NSArray吗？
- 12. 我可以将JInternalFrames添加到JPanel吗？
- 13. 如何添加脚本以添加功能到终端？
- 14. 将8添加到我的随机生成的数组中
- 15. 如果我的QStateMachine已经启动，我可以添加状态，Trasitions，Proprerties吗？
- 16. 我可以在select2的“text”属性中添加css语法吗？
- 17. 有什么方法可以检查我添加到单元格的值是否已经在单元格中？
- 18. 将缺省端点添加到自动生成的服务
- 19. 将更多图像添加到已经运行的UICollectionView中
- 20. 是否可以将Google Analytics添加到Doxygen生成的文件中？
- 21. 是否可以将我们的对称算法添加到OpenSSL？
- 22. NHibernate可以检查数据库模式是否已经生成？
- 23. CORS问题。我已经在服务器端添加标头
- 24. 我可以将多少个域添加到我的应用中？
- 25. 将样式添加到生成的TextBlock
- 26. 将索引添加到生成的列
- 27. 将类添加到生成的表单的正确button_to语法是什么？
- 28. 将icloud目标添加到终端中的路径
- 29. 无法将Microsoft.AspNet.Mvc.Core添加到经典库
- 30. 添加单词到nltk stoplist