Как найти кратчайший путь зависимости между двумя словами в Python?

Я пытаюсь найти путь зависимости между двумя словами в дереве зависимостей Python.

по приговору

роботы в популярной культуре есть, чтобы напомнить нам об удивительности несвязанного человека.

я использовал practnlptools (https://github.com/biplab-iitb/practNLPTools), чтобы получить результат анализа зависимостей, например:

nsubj(are-5, Robots-1)
xsubj(remind-8, Robots-1)
amod(culture-4, popular-3)
prep_in(Robots-1, culture-4)
root(ROOT-0, are-5)
advmod(are-5, there-6)
aux(remind-8, to-7)
xcomp(are-5, remind-8)
dobj(remind-8, us-9)
det(awesomeness-12, the-11)
prep_of(remind-8, awesomeness-12)
amod(agency-16, unbound-14)
amod(agency-16, human-15)
prep_of(awesomeness-12, agency-16)

который можно также визуализировать как (изображение взятое от https://demos.explosion.ai/displacy/) enter image description here

длина пути между "роботами" и "есть" равна 1, длина пути между "роботами" и "удивительностью" будет равна 4.

мой вопрос приведен выше результата анализа зависимостей, как я могу получить путь зависимости или длину пути зависимости между двумя словами?

из моего текущего результата поиска поможет ли nltk ParentedTree?

спасибо!

3 ответов


ваша проблема может быть легко понята как проблема графа, где мы должны найти кратчайший путь между двумя узлами.

чтобы преобразовать ваш анализ зависимостей в график, мы сначала должны иметь дело с тем, что он поставляется в виде строки. Вы хотите получить это:

'nsubj(are-5, Robots-1)\nxsubj(remind-8, Robots-1)\namod(culture-4, popular-3)\nprep_in(Robots-1, culture-4)\nroot(ROOT-0, are-5)\nadvmod(are-5, there-6)\naux(remind-8, to-7)\nxcomp(are-5, remind-8)\ndobj(remind-8, us-9)\ndet(awesomeness-12, the-11)\nprep_of(remind-8, awesomeness-12)\namod(agency-16, unbound-14)\namod(agency-16, human-15)\nprep_of(awesomeness-12, agency-16)'

выглядит так:

[('are-5', 'Robots-1'), ('remind-8', 'Robots-1'), ('culture-4', 'popular-3'), ('Robots-1', 'culture-4'), ('ROOT-0', 'are-5'), ('are-5', 'there-6'), ('remind-8', 'to-7'), ('are-5', 'remind-8'), ('remind-8', 'us-9'), ('awesomeness-12', 'the-11'), ('remind-8', 'awesomeness-12'), ('agency-16', 'unbound-14'), ('agency-16', 'human-15'), ('awesomeness-12', 'agency-16')]

таким образом, вы можете передать список кортежей конструктору графика из networkx модуль, который проанализирует список и построит график для вас, а также дать вам аккуратный метод, который дает длину кратчайшего пути между двумя заданными узлами.

необходимого импорта

import re
import networkx as nx
from practnlptools.tools import Annotator

как получить строку в нужном формате списка кортежей

annotator = Annotator()
text = """Robots in popular culture are there to remind us of the awesomeness of unbound human agency."""
dep_parse = annotator.getAnnotations(text, dep_parse=True)['dep_parse']

dp_list = dep_parse.split('\n')
pattern = re.compile(r'.+?\((.+?), (.+?)\)')
edges = []
for dep in dp_list:
    m = pattern.search(dep)
    edges.append((m.group(1), m.group(2)))

как построить график

graph = nx.Graph(edges)  # Well that was easy

как вычислить длину кратчайшего пути

print(nx.shortest_path_length(graph, source='Robots-1', target='awesomeness-12'))

этот скрипт покажет, что самый короткий путь, заданный разбором зависимостей, на самом деле имеет длину 2, так как вы можете получить от Robots-1 to awesomeness-12 через remind-8

1. xsubj(remind-8, Robots-1) 
2. prep_of(remind-8, awesomeness-12)

Если вам не нравится этот результат, вы можете подумать о фильтрации некоторых зависимостей, в этом случае не позволяйте xsubj зависимость для добавления на график.


HugoMailhot ответ это здорово. Я напишу что-нибудь подобное для ошалевший пользователи, которые хотят найти кратчайший путь зависимости между двумя словами (в то время как ответ HugoMailhot зависит от practNLPTools).

предложение:

роботы в популярной культуре есть, чтобы напомнить нам об удивительности несвязанного человека.

имеет следующую зависимость дерево!--5-->:

enter image description here

вот код, чтобы найти кратчайший путь зависимость между двумя словами:

import networkx as nx
import spacy
nlp = spacy.load('en')

# https://spacy.io/docs/usage/processing-text
document = nlp(u'Robots in popular culture are there to remind us of the awesomeness of unbound human agency.', parse=True)

print('document: {0}'.format(document))

# Load spacy's dependency tree into a networkx graph
edges = []
for token in document:
    # FYI https://spacy.io/docs/api/token
    for child in token.children:
        edges.append(('{0}-{1}'.format(token.lower_,token.i),
                      '{0}-{1}'.format(child.lower_,child.i)))

graph = nx.Graph(edges)

# https://networkx.github.io/documentation/networkx-1.10/reference/algorithms.shortest_paths.html
print(nx.shortest_path_length(graph, source='robots-0', target='awesomeness-11'))
print(nx.shortest_path(graph, source='robots-0', target='awesomeness-11'))
print(nx.shortest_path(graph, source='robots-0', target='agency-15'))

выход:

4
['robots-0', 'are-4', 'remind-7', 'of-9', 'awesomeness-11']
['robots-0', 'are-4', 'remind-7', 'of-9', 'awesomeness-11', 'of-12', 'agency-15']

для установки spacy и networkx:

sudo pip install networkx 
sudo pip install spacy
sudo python -m spacy.en.download parser # will take 0.5 GB

некоторые критерии, касающиеся разбора зависимостей spacy: https://spacy.io/docs/api/

enter image description here


этот ответ зависит от Stanford CoreNLP для получения дерева зависимостей предложения. Он заимствует довольно некоторый код из hugomailhot ответ при использовании networkx.

перед запуском кода необходимо:

  1. sudo pip install pycorenlp (интерфейс python для Stanford CoreNLP)
  2. скачать Стэнфорд CoreNLP
  3. запустите сервер Stanford CoreNLP как следует:

    java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -port 9000 -timeout 50000
    

затем можно запустить следующий код, чтобы найти кратчайший путь зависимости между двумя словами:

import networkx as nx
from pycorenlp import StanfordCoreNLP
from pprint import pprint

nlp = StanfordCoreNLP('http://localhost:{0}'.format(9000))
def get_stanford_annotations(text, port=9000,
                             annotators='tokenize,ssplit,pos,lemma,depparse,parse'):
    output = nlp.annotate(text, properties={
        "timeout": "10000",
        "ssplit.newlineIsSentenceBreak": "two",
        'annotators': annotators,
        'outputFormat': 'json'
    })
    return output

# The code expects the document to contains exactly one sentence.
document =  'Robots in popular culture are there to remind us of the awesomeness of'\
            'unbound human agency.'
print('document: {0}'.format(document))

# Parse the text
annotations = get_stanford_annotations(document, port=9000,
                                       annotators='tokenize,ssplit,pos,lemma,depparse')
tokens = annotations['sentences'][0]['tokens']

# Load Stanford CoreNLP's dependency tree into a networkx graph
edges = []
dependencies = {}
for edge in annotations['sentences'][0]['basic-dependencies']:
    edges.append((edge['governor'], edge['dependent']))
    dependencies[(min(edge['governor'], edge['dependent']),
                  max(edge['governor'], edge['dependent']))] = edge

graph = nx.Graph(edges)
#pprint(dependencies)
#print('edges: {0}'.format(edges))

# Find the shortest path
token1 = 'Robots'
token2 = 'awesomeness'
for token in tokens:
    if token1 == token['originalText']:
        token1_index = token['index']
    if token2 == token['originalText']:
        token2_index = token['index']

path = nx.shortest_path(graph, source=token1_index, target=token2_index)
print('path: {0}'.format(path))

for token_id in path:
    token = tokens[token_id-1]
    token_text = token['originalText']
    print('Node {0}\ttoken_text: {1}'.format(token_id,token_text))

выход:

document: Robots in popular culture are there to remind us of the awesomeness of unbound human agency.
path: [1, 5, 8, 12]
Node 1  token_text: Robots
Node 5  token_text: are
Node 8  token_text: remind
Node 12 token_text: awesomeness

обратите внимание, что Stanford CoreNLP можно протестировать онлайн:http://nlp.stanford.edu:8080/parser/index.jsp

этот ответ был протестирован с помощью Stanford CoreNLP 3.6.0., pycorenlp 0.3.0 и python 3.5 x64 на Windows 7 SP1 x64 Ultimate.