Grammaire anglaise pour l'analyse syntaxique dans NLTK

Question

Existe-t-il une grammaire anglaise prête à l'emploi que je peux simplement charger et utiliser dans NLTK ? J'ai cherché des exemples d'analyse avec NLTK, mais il semble que je doive spécifier manuellement la grammaire avant d'analyser une phrase.

Merci beaucoup !

Answer 1

Vous pouvez consulter pyStatParser un simple analyseur statistique en python qui renvoie les arbres d'analyse de NLTK. Il est livré avec des banques d'arbres publiques et ne génère le modèle de grammaire que la première fois que vous instanciez un objet Parser (en 8 secondes environ). Il utilise un algorithme CKY et analyse des phrases de longueur moyenne (comme celle ci-dessous) en moins d'une seconde.

>>> from stat_parser import Parser
>>> parser = Parser()
>>> print parser.parse("How can the net amount of entropy of the universe be massively decreased?")
(SBARQ
  (WHADVP (WRB how))
  (SQ
    (MD can)
    (NP
      (NP (DT the) (JJ net) (NN amount))
      (PP
        (IN of)
        (NP
          (NP (NNS entropy))
          (PP (IN of) (NP (DT the) (NN universe))))))
    (VP (VB be) (ADJP (RB massively) (VBN decreased))))
  (. ?))

Answer 2

Ma bibliothèque, spaCy fournit un analyseur de dépendances très performant.

Installation :

pip install spacy
python -m spacy.en.download all

Utilisation :

from spacy.en import English
nlp = English()
doc = nlp(u'A whole document.\nNo preprocessing require.   Robust to arbitrary formating.')
for sent in doc:
    for token in sent:
        if token.is_alpha:
            print token.orth_, token.tag_, token.head.lemma_

Choi et al (2015) a trouvé que spaCy était l'analyseur de dépendances le plus rapide disponible. Il traite plus de 13 000 phrases par seconde, sur un seul thread. Sur l'évaluation standard du WSJ, il obtient un score de 92,7 %, soit une précision supérieure de plus de 1 % à celle de tous les modèles de CoreNLP.

Answer 3

Il existe quelques grammaires dans le nltk_data distribution. Dans votre interpréteur Python, lancez nltk.download() .

Answer 4

Il existe une bibliothèque appelée Modèle . Il est assez rapide et facile à utiliser.

>>> from pattern.en import parse
>>>  
>>> s = 'The mobile web is more important than mobile apps.'
>>> s = parse(s, relations=True, lemmata=True)
>>> print s

'The/DT/B-NP/O/NP-SBJ-1/the mobile/JJ/I-NP/O/NP-SBJ-1/mobile' ...

Answer 5

Utilisez le MaltParser, vous y trouverez une grammaire anglaise pré-entraînée, ainsi que d'autres langues pré-entraînées. Le Maltparser est un analyseur de dépendances et non un simple analyseur ascendant ou descendant.

Il suffit de télécharger le MaltParser à partir de http://www.maltparser.org/index.html et utiliser le NLTK comme suit :

import nltk
parser = nltk.parse.malt.MaltParser()