依赖关系解析-动词和名词对

Question

所以我正在使用stanfordnlp库，我想创建一种方法来将给定句子的VBD和NN配对。我已经阅读了所有相关问题，但我认为我还需要其他内容。

这是我到目前为止的内容：

def extract_pos(doc):
    parsed_text = {'word':[], 'POS':[], 'expl':[]}
    for sent in doc.sentences:
        for wrd in sent.words:
            if wrd.pos in pos_dict.keys():
                pos_exp = pos_dict[wrd.pos]
            else:
                pos_exp = 'NA'
            parsed_text['word'].append(wrd.text)
            parsed_text['POS'].append(wrd.pos)
            parsed_text['expl'].append(pos_exp)
    return parsed_text

nlp = stanfordnlp.Pipeline()

sentence = 'The quick brown fox jumped over the lazy dog.'

doc = nlp(sentence)

for d in doc.sentences[0].words:
    if d.dependency_relation == 'nsubj':
        print(d.text)

我曾考虑过为VBD和NN创建空列表，然后尝试使用它们，但是我无处可去。

假设我有The quick brown fox jumped over the lazy dog。我应该有像(jumped, fox), (jumped, dog)这样的对。我需要一些指导。任何帮助表示赞赏。

Answer 1

您只需要将相关性编号映射到原始短语。只需记住，斯坦福大学nlp中的令牌头寸是基于1的（因此，需要对每个头寸减去1）。

然后将根匹配为其nsubjs。

这里是一个快速解决方案：

sentence = 'The quick brown fox jumped over the lazy dog'
words = sentence.split()
parsed = nlp.dependency_parse(sentence)
root = ""
for tup in parsed:
    if (tup[0] == 'ROOT'):
        root = words[tup[2]-1]
    else:
        if(parsed[tup[1]-1][0] in ['nsubj']):