NLP - 句法分析（Synatic Parse）

---

是什么

句法分析的主要任务是：识别出 句子所包含的 句法成分，以及这些成分之间的关系。

• 句法分析结果一般使用 句法树 来表示。

---

分类

根据侧重目标可分为

• 完全句法：获取整个句子的 句法结构 或者 完全短语结构为目；也称为句法结构分析（Syntactic Structure Parsing），或 短语结构分析（Phrase Structure Parsing）；
• 局部句法： 关注局部的一些成分；如 依存句法分析(Dependency Parsing)。

---

句法分析方法可分为：

• 基于规则的方法
  缺点：处理大规模文本时，存在 语法规则覆盖有限、系统可迁移差的问题。
• 基于统计的方法
  • 兴起缘由：大规模标注树库的建立；句法分析器（parser）的性能不断提高。
  • 模型本质：面向候选树的评价方法。

---

发展

句法分析已经从句法结构分析转向依存句法分析，原因：
1、因为通用数据集Treebank（Universal Dependencies treebanks）的发展，虽然该数据集的标注较为复杂，但是其标注结果可以用作 多种任务（命名体识别或词性标注）且作为不同任务的评估数据，因而得到越来越多的应用;
2、句法结构分析的语法集是由固定的语法集组成，较为固定和呆板；
3、依存句法 分析树标注简单 且 parser准确率高。

---

统计分析方法

统计分析方法的重要元素

• 语料数据集
• 评价体系

---

数据集

句法分析的数据集是树形标注结构，称为 树库。
以下为一个句法树（Syntax Tree）

---

常用树库

• 目前使用最多的是 英文宾州树库（PTB, Penn TreeBank），来自 美国宾夕法尼亚大学。
  PTB 前身为 ATIS(Aria Travel Infomation System) 和 WSJ(Wall Street Journa)
• 中文树库
  • 中文宾州树库（CTB, Chinese TreeBank）；
    由宾夕法尼亚法学标注，是目前绝大多数中文句法分析研究的基准语料库；
  • 清华树库（TCT，Tsinghua Chinese TreeBank）
  • 台湾中研树库（Sinica TreeBank）

---

PS: 不同树库有不同的标记规范；使用树库A的句法分析器，就应使用A的标记体系来解释。而非A分析，B解释。

---

句法分析的评测

评测的主要任务是：评测句法分析器生成的树结构 与 手工标注的树结构 之间的 相似程度。

主要考虑两方面的性能：

• 满意度：测试句法分析器是否 适合 或胜任 某个特定的NLP任务。
• 效率：对比句法分析器的运行时间。

---

主流评测方法：PARSEVAL 评测体系。
特点：粒度适中。

主要指标：

• 准确率：分析正确的短语个数，占 分析结果中所有短语个数的比例；
• 召回率：分析得到的正确短语个数，占标准分析树全部短语个数的比例；
• 交叉括号数：分析得到的某一个短语的 覆盖范围 与 标准句法分析结果的某个短语的覆盖范围 存在 重叠 又不存在 包含关系。即构成了一个交叉括号。

---

句法分析方法

句法分析没有词法分析成熟。
在所有算法中，以 短语结构树 为目标的句法分析器 研究的最彻底。
很多形式对应的句法分析器，都能通过对 短语结构语法（特别是 上下文无关文法）的改造而得。

---

常见句法分析方法

• PCFG
• 最大间隔马尔科夫网络
• CRF
• 移进 - 归约

---

PCFG

PCFG：Probabilistic Context Free Grammar，概率上下文无关文法
或称为SCFG(Stochastic Context Free Grammar)，随机上下文无关文法。

一个概率上下文无关文法（PCFG）是一个五元组(N,∑,S,R,P)：
（1）一个非终结符集N
（2）一个终结符集∑
（3）一个开始非终结符S∈N
（4）一个产生式集R
（5）对于任意产生式r∈R，其概率为P®

---

资料

• Vico_Men：NLP底层技术之句法分析
  https://blog.csdn.net/qq_28031525/article/details/79187080