如何根据与 SpaCy 的依赖关系获取部分子树？

Question

我用SpaCy解析了一些文本的依赖关系。在提取给定标记/跨度的子树时，如何施加与这些依赖关系相关的条件？

例如，我想获取给定标记的子树，但排除子树的所有部分，其中我的原始标记的直接子代与该标记具有连词（“conj”）依赖关系。

举一个更具体的例子：我想从下面的句子中提取名称和相应的属性：

"The entrepreneur and philanthropist Bill Gates and the Apple's Steve Jobs ate hamburgers."

人	属性
比尔·盖茨	企业家和慈善家
史蒂夫·乔布斯	苹果的

依赖关系如下所示：

以下代码成功提取了人物实体，但比尔盖茨的子树与史蒂夫乔布斯的子树重叠：

import spacy
nlp = spacy.load("en_core_web_trf")

s = "The entrepreneur and philanthropist Bill Gates and the Apple's Steve Jobs ate hamburgers."
doc = nlp(s)

persons = [ent for ent in doc.ents if ent.label_ == "PERSON"]
# [Bill Gates, Steve Jobs]

[[token for token in p.subtree] for p in persons]
# [[The, entrepreneur, and, philanthropist, Bill, Gates, and, the, Apple, 's, Steve, Jobs], [the, Apple, 's, Steve, Jobs]]

所以我想要么只获取比尔盖茨子树中第一个孩子具有

nmod

依赖关系的部分，要么删除那些与具有

conj

依赖关系的第一个孩子相连的部分。在 R 中，包 rsyntax 可以完成工作，所以我假设 SpaCy 中已经内置了类似的东西。

（任何关于更聪明的方法来获得上表的技巧也很受欢迎——我一般来说对 SpaCy 和 Python 都不太精通）