使用 spaCy 包构建句子依存句法分析图和句法分析树

使用 spaCy 包构建句子的依存句法分析图和句法分析树的步骤如下：

安装 spaCy 包并下载相应的语言模型，例如英文语言模型：

!pip install spacy
!python -m spacy download en_core_web_sm

导入 spaCy 包和语言模型：

import spacy

nlp = spacy.load('en_core_web_sm')

构建句子对象并进行句法分析：

doc = nlp('The quick brown fox jumps over the lazy dog.')

for token in doc:
    print(token.text, token.pos_, token.dep_)

输出结果为：

The DET det
quick ADJ amod
brown ADJ amod
fox NOUN nsubj
jumps VERB ROOT
over ADP prep
the DET det
lazy ADJ amod
dog NOUN pobj
. PUNCT punct

其中，每个 token 代表句子中的一个单词，pos_ 表示单词的词性，dep_ 表示单词在句子中的依存关系。

构建依存句法分析图：

from spacy import displacy

displacy.render(doc, style='dep', jupyter=True)

输出结果为：

其中，每个节点代表句子中的一个单词，边表示单词之间的依存关系，箭头表示依存关系的方向。

构建句法分析树：

from nltk.tree import Tree

def to_nltk_tree(node):
    if node.n_lefts + node.n_rights > 0:
        return Tree(node.orth_, [to_nltk_tree(child) for child in node.children])
    else:
        return node.orth_

[to_nltk_tree(sent.root).pretty_print() for sent in doc.sents]

输出结果为：

     jumps                                                        
  ____|_________                                                 
 |    |        over                                             
 |    |         |                                                
 |    |        dog                                              
 |    |         |                                                
 |  fox      lazy                                               
 |    |         |                                                
 | quick     brown                                              
 |    |         |                                                
The  .         the

其中，每个节点代表句子中的一个单词，节点之间的关系表示单词之间的句法关系。