nlp_句法分析

自然语言处理基础-句法分析

概述

句法分析也是自然语言处理中得基础性工作，其分析句子的句法结构（主谓宾结构)和词汇间的依存关系（并列、从属等)。通过句法分析，可以为语义分析、情感倾向、观点抽取等NLP应用场景打下坚持的基础。
随着深度学习在NLP中的使用，特别是本身携带句法关系的LSTM模型的应用，句法分析已经变得不是那么必要了。但是，在句法结构十分复杂得长语句中，以及标注样本较少得情况下，句法分析依然可以发挥出很大的作用，因此，研究句法分析依然是很有必要的。

句法分析分类

句法分析分为两类，一类是分析句子的主谓宾和 定状补的句法结构，另一类是分析词汇间的依存关系，如并列、从属、比较、递进等。下面详细讲解：

句法结构分析

句法结构分析，识别句子的主谓宾 定状补，并分析各成分之间的关系.
通过句法结构分析，我们就能够分析出语句的主干，以及各成分间关系。对于复杂语句，仅仅通过词性分析，不能得到正确的语句成分关系。
句法结构分析的标注如下：

语义依存关系分析

语义依存关系分析，识别词汇间的从属 并列 递进等关系，可以获得较深层的语义信息。如以下三个不同的表达方式，表达了同一个语义信息。可见语义依存关系不受句法结构的影响。

语义依存关系偏向于介词等非实词的在语句中的作用，而句法结构分析则更偏向**于名词 动词 形容词等实词。**如张三 -> 吃的关系为施加关系Agt，苹果->吃的关系为受事关系Pat。依存关系标注比较多，就不一一列举了。

句法分析工具

哈工大LTP

哈工大LTP

斯坦福句法分析工具

斯坦福句法分析工具

当前句法分析难度还很大，准确度不高。哈工大的LTP也只能做到80%左右的准确率。

深度学习与句法分析

基于深度学习的RNN和LSTM序列模型，本身可以携带很多句法结构和依存关系等深层信息，。同时，句法分析树结构也可以和深度学习结合起来。利用句法分析树可以构建LSTM网络（tree-lstm）, 从而对语句进行文本摘要，情感分析。那是否基于句法分析树的LSTM（tree-lstm）就一定比单纯的双向LSTM（bi-lstm）效果好吗？

研究表明，很多情况下，单纯的bi-lstm，比基于句法分析树的tree-lstm效果更好

这主要是因为当前句法分析准确度不高，只有90%左右。如果是句子成分关系很复杂，则准确率更低。因此给lstm网络带来了很大的噪声，从而导致了tree-lstm模型准确度的降低。但是tree-lstm可以使用较少的标注语料，而且在句子结构复杂的长语句上，表现更好。因此当语料较少且句子结构很复杂时，可以考**虑使用tree-lstm。**相关文章可以参考

总结

句法分析准确率也很高，当前难度也有待提升，总之，句法分析任重而道远。
另外，句法分析应用还不是过于宽泛，或许自己能力还不足够，认识不了太多，先总结到这里，等知识点深入后，在继续攻克！