python nltk语义分析_nltk协同语义分析

我尝试使用python的NLTK库并遵循Neo-davidson事件表示法构建一个语义解析器。我已经建立了我的语法来包含正确解析的语义特征,但是我在协调成分方面很困难。例如,我的语法有:PropN[SEM=] -> 'Mary'

PropN[SEM=] -> 'John'

IV[SEM=] -> 'drinks'

NP[SEM=?np] -> PropN[SEM=?np]

VP[SEM=?v] -> IV[SEM=?v]

S[SEM=<?subj (?vp)>] -> NP[SEM=?subj] VP[SEM=?vp]

所以如果句子是“约翰喝酒”,结果是:

^{pr2}$

但是如果我添加一个规则,比如:NP[SEM=<?p | ?q>] -> PropN[SEM=?p] CONJ PropN[SEM=?q]

就像在《约翰或玛丽》中一样,我得到了这样的结论:(\P.P(John) | \P.P(Mary))(\x.exists e.(drinks(e) & drinker(e,x)))

和中一样,NP lambdas没有被传递到动词的参数中。我试着四处看看,但是关于nltk语义解析中的协调的信息非常少,更没有关于使用lambdas的信息。我知道这是有可能的,因为一个同学显然让他去工作了,但我不知道窍门是什么。在

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值