0

Tengo un array (list) de palabras que representa un árbol creado por SpaCy y me gustaría tenerlo en un formato de arbol con hijos .

treeQuestion = [Tree('start_VB_ROOT', ['When_WRB_advmod', 'did_VBD_aux', 'Beyonce_NNP_nsubj', Tree('becoming_VBG_xcomp', ['popular_JJ_acomp']), '?_._punct'])]

He buscado y descubierto tres maneras de hacerlo. Sin embargo no sé lo que esta mejor pero no quiero complicar mi vida para reinventar la rueda. El propósito de estos árboles es poder comparar fácilmente si un árbol está en otro. Entonces, el resultado esperado es solo obtener un Arbol para compararlos.

¿Creando la clase de árbol yo mismo?

Por lo momento , inspirándome desde este sitio, hice:

class WordTree:
    def __init__(self, array, parent = None):
        #print("son :",array[0][i])
        self.parent = []
        self.children = [] # if parenthesis then it has son after "," analyse : include all elements until the next parenthesi
        self.data = array
        #print(array[0])
        for son in array[0]:
            print(type(son),son)
            if type(son) is Tree:
                print("sub tree creation")
                self.children.append(son.label())
                print("son:",son)
                t = WordTree(son,son.label()) # should I verify if parent is empty ?
                print("end of sub tree creation")
            elif type(son) is str:
                print("son creation")
                self.children.append(son)
            else:
                print("issue?")
                break # prolbem ?

Funciona bien al principio, pero cuando encontramos un subárbol tenemos problemas.

>>> t = WordTree(treeQuestion, treeQuestion[0].label())
<class 'str'> When_WRB_advmod
son creation
<class 'str'> did_VBD_aux
son creation
<class 'str'> Beyonce_NNP_nsubj
son creation
<class 'nltk.tree.Tree'> (becoming_VBG_xcomp popular_JJ_acomp)
sub tree creation
son: (becoming_VBG_xcomp popular_JJ_acomp)
<class 'str'> p
son creation
<class 'str'> o
son creation
<class 'str'> p

Solo toma las letras del subárbol, no las palabras.

¿Usando Anytree?

Tambien descubrio la librería anytree:

from anytree import Node, RenderTree

root = Node(treeQuestion[0]) # es por decir start_VB_ROOT

O usando tree de la biblioteca nltk?

No sé cómo usar este pero puede ser más fácil usar el material dado por aquellos que hicieron el árbol treeQuestion.

import spacy
from nltk import Tree


en_nlp = spacy.load('en')

doc = en_nlp("The quick brown fox jumps over the lazy dog.")

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]

1 respuesta 1

0

Esto funciona con simple ejemplos como [Tree('start_VB_ROOT', ['When_WRB_advmod', 'did_VBD_aux', 'Beyonce_NNP_nsubj', Tree('becoming_VBG_xcomp', ['popular_JJ_acomp']), '?_._punct'])]

from anytree import Node, RenderTree

class WordTree:
    '''Tree for spaCy dependency parsing array'''
    def __init__(self, array, parent = None):
        """
        Construct a new 'WordTree' object.

        :param array: The array contening the dependency
        :param parent: The parent of the array if exists
        :return: returns nothing
        """
        self.parent = []
        self.children = []
        self.data = array

        for element in array[0]:
            print(type(element),element)
            # we check if we got a subtree
            if type(element) is Tree:
                print("sub tree creation")
                self.children.append(element.label())
                print("son:",element)
                t = WordTree([element],element.label()) # should I verify if parent is empty ?
                print("end of sub tree creation")
            # else if we have a string we create a son
            elif type(element) is str:
                print("son creation")
                self.children.append(element)
            # in other case we have a problem
            else:
                print("issue?")
                break 

No logré obtener el resultado por una cosa como :

for i,sent in enumerate(sentences):
    i = WordTree(sentences, sentences[0].label())

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.