PCFG构造语法结构树相关问题思考

【目录】

1. 如何从语料库提取PCFG（概率上下文无关）规则？
2. 提取的规则存在什么数据结构中更好？
3. 提取的规则为什么要转化为Chomsky Norm Form（CNF）？
4. 提取的PCFG规则如何转化为CNF？
   1. 任意PCFG规则真的能像CFG一样转换为CNF吗？
5. 如何根据符合CNF的规则生成新句子的结构树？

关于这些问题，如果大家知道有已经成熟的结论和推导过程，希望能留言告诉作者，帮助作者，谢谢啦~

 

【1. 如何从语料库提取PCFG（概率上下文无关）规则？】

我至今只做过从宾州中文树库CBT语料库中提取规则。归纳下来就是：了解语料库数据格式—>代码解析数据格式—>统计各种规则在语料库中的出现概率。这部分工作下一阶段方向：

 

【2. 提取的规则存在什么数据结构中更好？】

选择哪种数据结构更好，我基于两个方面考虑：

一：提取的规则在后续用来做什么工作？数据结构要让后续工作开发高效or工作效率高效。

二：数据结构能更好地表达提取的规则的自然含义？便于理解与传播，也便于开发

关于规则后续用来做什么工作，我现阶段只知道：形式的转化（转化到CNF或以后其他形式）；根据规则生成句法结构树。

如果是在原规则基础上做形式转化，高频操作有：合并节点，新增节点，删除节点

如果是遍历原规则后，建立新建形式的规则，高频操作有：遍历。

关于是否能自然的表达规则，我认为“树”最贴近人本身对于规则的理解。例如wiki举例的如下规则，用以S0为根的树表示就很容易理解：

最初我没考虑这些，用的python里面字典结构表示学习的规则（以上图表示的规则为例），形式如下：

{S0：{“AbB”：p1，“C”：p2}，   B：{“AA”：p3，“AC”：p4}，   C：{“b”：p5，“c”：p6}，   A：{“a”：p7，“sigma”：p8}}

好处是可以快速索引。下面我会继续使用这个结构存储学习到的规则，看看会有哪些好处和不便

 

【3.提取的规则为什么要转化为Chomsky Norm Form（CNF）？】

https://www.cnblogs.com/zhouksh/p/3732264.html

因为：使用原始形式（多叉树）时使用brute force遍历所有可能性，以找到一个句子最优的结构，计算量随句子长度的指数增长；

使用CKY算法以动态规划的方式解，计算量降低到多项式量级，但是要求从语料库中提取的规则满足CNF要求，因此需要将原始形式的规则转化为CNF形式

 

【4.提取的PCFG规则如何转化为CNF？】

{4.1}任意PCFG规则真的能像CFG一样转换为CNF吗？——下一步工作：深入理解PCFG概念，看是不是我有地方理解错误

PCFG就是将CFG中的每一条规则与一个概率联系起来。在CFG转换为CNF的“去除UNIT rule”一步中，需要将A->B和B->A（也即强连通分量中的节点）都替换为A。

当某个PCFG规则中存在某个强连通分量{D，E，F，G}，现在要将这4个节点都要G表示：

我的疑问在于：如果p1*p2不等于p3*p4，那么D用G来代替的概率应该取p1*p2还是p3*p4呢？

 

 

 

【参考材料】

https://en.wikipedia.org/wiki/Chomsky_normal_form