从 CYK 算法（自然语言处理）生成解析树的步骤

我目前正在做一个涉及NLP的项目。我已经实现了 Jurafsky 和 ​​Martin（第 450 页的算法）中给出的 CKY 标识符。如此生成的表实际上将非终结符存储在表中（而不是通常的布尔值）。然而，我遇到的唯一问题是检索解析树。

下面是我的 CKY 标识符的作用的说明：

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]

这就是我的解析表填充后的样子：

现在我知道，由于 S 驻留在 [0,5] 中，因此该字符串已被解析，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

我遇到的唯一问题是我已经能够检索所使用的规则，但它们的格式是混乱的，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。

您应该递归地访问表的单元格，并以与 S 节点相同的方式展开它们，直到所有内容都是终端（这样您就没有其他任何内容可以展开）。在您的示例中，您首先转到单元格 [0][2]；这是一个终端，您无需执行任何操作。接下来转到[2][5]，这是由[2][3]和[3][5]组成的非终结符。你访问[2][3]，它是一个终端。 [3][5]是一个非终结符，由两个终结符组成。你完成了。这是一个 Python 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)

和输出：

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