pydotplus画句子的依存结构树

最开始是打算用pygraphviz这个控件画的，可是安装成功后一直说的缺少什么.dll，只好作罢，中间也用过graphviz，直接用dot语言画图（参照使用dot语言画树结构），后来老师又给我推荐了pydotplus，这是python写dot语言的接口，之前pygraphviz是python写graphviz程序的接口（其实也差不多），因为graphviz也是用dot语言写的。写到这里，我只想说：python大法，文成武德，泽披苍生，千秋万载，一统江湖。

接下来，说正事。

前期介绍

我要处理所有数据文件均采用CONLL格式，UTF8编码。CONLL标注格式包含10列，分别为：

ID FORM LEMMA CPOSTAG POSTAG FEATS HEAD DEPREL PHEAD PDEPREL

本次实验只用到前８列，其含义分别为：

1 ID 当前词在句子中的序号，１开始.
2 FORM 当前词语或标点
3 LEMMA 当前词语（或标点）的原型或词干，在中文中，此列与FORM相同
4 CPOSTAG 当前词语的词性（粗粒度）
5 POSTAG 当前词语的词性（细粒度）
6 FEATS 句法特征，在本次评测中，此列未被使用，全部以下划线代替。
7 HEAD 当前词语的中心词
8 DEPREL 当前词语与中心词的依存关系

在CONLL格式中，每个词语占一行，无值列用下划线’_’代替，列的分隔符为制表符’\t’，行的分隔符为换行符’\n’；句子与句子之间用空行分隔。

具体实例如下：

1 坚决坚决 a ad _ 2 方式
2 惩治惩治 v v _ 0 核心成分
3 贪污贪污 v v _ 7 限定
4 贿赂贿赂 n n _ 3 连接依存
5 等等 u udeng _ 3 连接依存
6 经济经济 n n _ 7 限定
7 犯罪犯罪 v vn _ 2 受事

pydotplus画图

跟之前一样，我主要画的是树结构，所以只关心节点和边的一些属性，这次写程序之前，看了好几个例子，里面没有介绍边属性的设置方法，只有一些介绍节点的一些属性，所以我又看了pydotplus官方文档，几乎看了整个源代码，都没有发现如何设置边属性的方法，就在我要放弃的时候，突然从网上看见一个‘label’字样，想起来之前写dot语言时，边的属性就是用这个关键词，试了一下果然可以。接下来，介绍一下主要工作

1、处理CONLL文档

这个步骤主要是将CONLL文档处理成树结构，这在python中是用嵌套字典实现的以上述句子为例，生成树结构为：

{‘坚决’: {‘惩治’: ‘方式’}, ‘惩治’: {‘root’: ‘核心成分’}, ‘贪污’: {‘犯罪’: ‘限定’}, ‘贿赂’: {‘贪污’: ‘连接依存’}, ‘等’: {‘贪污’: ‘连接依存’}, ‘经济’: {‘犯罪’: ‘限定’}, ‘犯罪’: {‘惩治’: ‘受事’}}

其中外层字典的key值是依存对中的依赖项，内层字典的key值是依存对中的核心词，内层字典的value值是依存对的依存关系。核心代码如下：

f = open("train.conll", encoding='UTF-8')
model = {}
data = f.read()
f.close()
sentence = data.split("\n\n")
ls = len(sentence)
print(ls)
print("开始提取特征：")
for x in range(ls):
    # print(x)
    word = sentence[x].split("\n")
    l = len(word)
    correct_tree = {}
    for i in range(l):
        word1 = word[i].split()
        if int(word1[6]) == 0:  # 列表中的项默认是字符串类型
            correct_tree[word1[1]] = {}
            correct_tree[word1[1]]['root'] = word1[7]
        for j in range(l):
            word2 = word[j].split()
            if word1[6] == word2[0]:
                correct_tree[word1[1]] = {}
                correct_tree[word1[1]][word2[1]] = word1[7]
    print(correct_tree)

2、画树结构

这里非常简单，就是往图里加节点和边，核心代码如下：

g = pydotplus.Dot(graph_name='test', graph_type='digraph')
g.write_svg("%(xu)d.svg" % {'xu': x + 1})

3、实验结果

画出树结构如图所示：
这里写图片描述