3.5 依存句法分析

依存句法分析在机器翻译中经常用到，主要针对句子和短语进行结构化分析，用于确定句子中的词与词、短语与词等之间的相互关系，并利用树结构进行层次化表达。它是自然语言处理的关键问题之一。

3.5.1 依存句法分析概要

从搜索引擎的角度来看，依存句法分析可以使搜索引擎更加准确地理解文本信息，例如，确定句子中的词语相互关系及特定修饰性词语，尤其是在智能搜索中，对句子的理解往往决定了数据理解的方向。例如，对于搜索句子“马云的淘宝网创办于什么时候”，通过句法分析，可以得到搜索句子的搜索重心是词语“创办”，而不是“马云”或者“淘宝网”,“马云”“淘宝网”仅仅是核心成分的修饰词而已，用户期望的搜索结果也与“马云”没有直接关系，而“淘宝网创办”才是整个搜索的核心。

依存句法分析需要通过机器学习的方式进行。以清华大学汉语均衡语料库TH-ACorpus中的中文语义依存关系分析语料库为例，如表3-19所示。

如表3-19所示为语料库内容的一般形式，也可以将其表达为依存句法关系图和依存句法关系树，分别如图3-10和图3-11所示。

“马云的淘宝网创办于什么时候”的依存句法关系树如图3-12所示。

语料库中的依存关系包括主语义关系、辅助语义关系、定状语语义关系、连动词及从句语义关系、特殊句法结构、特殊关系，如表3-20所示。

3.5.2 依存句法分析实现

按照传统的方式进行依存句法分析，主要分为两个步骤：判定和分类。判定是一个二分类问题，用于判定两个词语之间是否存在依存关系；而分类则是一个多分类问题，通过依存关系判定在确定句子成分之间存在依存关系的情况下，依存关系分类给句子成分之间确定其所属的关系。传统的依存句法分析方式相对比较复杂，也可以采用最大生成树模型构建依存句法分析器。

基于最大生成树模型的依存句法分析的大致思路为：首先，通过计算两个词语A和B之间的依存关系概率、词语A的词性与词语B构建依存关系概率、词语B的词性与词语A构建依存关系概率，以及词语A、B词性之间的依存关系概率，计算词语A和词语B之间的多条依存句法边，权值为上述计算的4种概率的综合；其次，取权值最大的边作为唯一的边，并加入有向图中；最后，在有向图中利用Prim算法构造最大生成树。例如，对句子“我看电影”进行依存句法分析，大致步骤如下。

（1）分词与词性标注。对“我看电影”进行分词和词性标注，结果为“我\rr看\v电影\n”。

（2）确定图节点。在图3-10中，所有数据节点中还包含一个“Root”节点，它是句子中核心成分指向的点。因此，在引入“Root”节点之后，对于“我看电影”则存在4个点，分别是“#核心成分#\Root”“我\rr”“看\v”“电影\n”。

（3）生成有向图。在生成有向图之前，需要获得词语与词语之间的依存关系情况，而这些则通过计算类似表3-19中的语料库信息而得。上一步已经确定图中存在4个点，则这4个点两两之间都可能存在依存关系，所以一共会构成12条边（值）。图中4个点之间的关系如表3-21所示。

根据表3-21中的依存关系统计信息生成有向图，如图3-13所示。图中从“看”到“我”之间的边信息“连接依存（0.05）、施事（0.04）”表示两条边的集合，括号内为边的带权值。

（4）利用Prim算法构造最大生成树。最大生成树实质上是在图3-13中选择一条最佳带权路径，使得路径权值之和最大。首先，从图3-13中点“核心成分”开始，选择指向它的最大路径权值0.38对应的点“看”，按照Prim算法，此刻再选择距离“核心成分”与“看”路径权值最大的点，但是由于依存句法中“核心成分”仅允许存在一项，因此不再以“核心成分”作为观察点，选择距离点“看”拥有最大路径权值0.29的点“电影”；其次，对点“看”和“电影”选择指向它们的拥有最大路径权值0.22的点“我”，执行到此步已经不存在未被访问的点，则意味着上述过程完成了最大生成树的选择。因此，“#核心成分#\Root、我\rr、看\v、电影\n”构造的最大生成树如图3-14所示。

在构造最大生成树之后，可以依据最大生成树构建依存句法关系图。如图3-15所示为“我看电影”的依存句法关系图。