depgrep

为CONLL-U DataFrame进行依赖关系解析搜索

版本 0.1.3

注意：此工具目前没有测试、CI等。不建议在《buzz》库提供的depgrep方法之外使用此工具。

安装

pip install depgrep

用法

该工具旨在与由CONLL-U文件制作并由buzz解析为DataFrame的语料库一起使用。最好的做法是使用buzz来建模语料库，然后使用其depgrep方法。

pip install buzz

然后，在Python中

from buzz import Corpus
corpus = Corpus('path/to/conll/files')
query = 'l"have"'  # match the lemma "have"

语法

depgrep搜索通过节点和关系组合进行，就像基于此工具的Tgrep2一样。

节点

节点针对一个标记特征（词、词元、POS、词类、依存角色等）。它可以指定为正则表达式或简单的字符串匹配：f/amod|nsubj/将匹配填充nsubj或amod角色的标记；l"be"将匹配词元，即be。

节点查询的第一部分选择要搜索的标记属性。它可以是指定的任何之一

w : word
l : lemma
p : part of speech tag
x : wordclass / XPOS
f : dependency role
i : index in sentence
s : sentence number

大小写敏感性由您搜索的属性的_case控制：p/VB/是不区分大小写的，而P/VB/是区分大小写的。因此，以下查询匹配以ing、ING、Ing等结尾的单词

w/ing$/

要在查询中跨大小写进行不区分大小写，请使用case_sensitive=False关键字参数。

关系

关系指定节点之间的关系。例如，我们可以使用f"nsubj" <- f"ROOT"来定位由扮演ROOT角色的节点所控制的名词主语。您想要找到的是查询中的最左节点。因此，虽然上述查询找到了名词主语标记，但您可以使用逆关系f"ROOT" -> f"nsubj"来返回ROOT标记。

可用关系

a = b   : a and b are the same node
a & b   : a and b are the same node (same as =)

a <- b  : a is a dependent of b
a <<- b : a is a descendent of b, with any distance in between
a <-: b : a is the only dependent of b
a <-N b : a is descendent of b by N generations

a -> b  : a is the governor of a
a ->> b : a is an ancestor of b, with any distance in between
a ->: b : a is the only governor of b (as is normal in many grammars)
a ->N b : a is ancestor of b by N generations

a + b   : a is immediately to the left of b
a +N b  : a is N places to the left of b
a <| b  : a is left of b, with any distance in between

a - b   : a is immediately to the right of b
a -N b  : a is n places to the right of b
a |> b  : a is right of b, with any distance in between

a $ b   : a and b share a governor (i.e. are sisters)

a $> b  : a is a sister of and to the right of b.
a $< b  : a is a sister of and to the left of b.

否定

在关系前添加!来否定它：f"ROOT" != x"VERB"将找到非动词的ROOT节点。

括号

括号可用于创建更复杂的查询

f"amod" = l/^[abc]/ <- (f/nsubj/ != x/NOUN/)

上述翻译为匹配以a、b或c开头的形容词修饰语，这些修饰语由非名词的名词主语所控制

注意，没有括号时，每个关系/节点都指的是最左边的节点。在以下示例中，复数名词必须与nsubj是同一节点，而不是ROOT

f"nsubj" <- f"ROOT" = p"NNS"

或表达式

您可以使用管道符号（|）来创建一个OR表达式。

# match all kinds of modifiers
x"ADJ" | f"amod" | f"appos" | p/^JJ/
x"NOUN" <- f"ROOT" | = p"NNS"

在上面的例子中，我们匹配由ROOT控制或为复数的名词。

通配符

您可以使用__或*来代表任何标记。为了匹配任何作为动词控制者的标记，请执行

__ -> x"VERB"