[PYTHON] Traitement du langage 100 knocks-44: Visualisation des arbres dépendants

Traitement du langage 100 coups 2015 ["Chapitre 5: Analyse des dépendances"](http: //www.cl.ecei. Il s'agit d'un enregistrement de la 44ème "Visualisation de l'arbre dépendant" de tohoku.ac.jp/nlp100/#ch5). La visualisation permet de comprendre très facilement comment le document est dépendant. Si vous visualisez la dépendance, vous pouvez faire quelque chose de bien comme dans l'article "J'ai essayé d'analyser linguistiquement les phrases incompréhensibles de Karen Takizawa.".

Lien de référence

environnement

J'ai installé CRF ++ et CaboCha il y a trop longtemps et j'ai oublié comment les installer. Puisqu'il s'agit d'un package qui n'a pas du tout été mis à jour, nous n'avons pas reconstruit l'environnement. Je me souviens seulement d'avoir été frustré lorsque j'ai décidé d'utiliser CaboCha sous Windows. Je pense que je ne pourrais pas l'utiliser sur Windows 64 bits (j'ai une mémoire vague et peut-être qu'il y a un problème avec ma capacité technique).

Dans l'environnement ci-dessus, j'utilise les packages Python supplémentaires suivants. Installez simplement avec pip ordinaire.

Chapitre 5: Analyse des dépendances

contenu de l'étude

Appliquer l'analyseur de dépendances CaboCha à "Je suis un chat" et expérimenter le fonctionnement de l'arbre de dépendances et l'analyse syntaxique.

Classe, Analyse des dépendances, CaboCha, Clause, Dépendance, Cas, Syntaxe des verbes fonctionnels, Chemin des dépendances, [Graphviz](http: / /www.graphviz.org/)

Contenu frappé

Utilisation de CaboCha pour le texte du roman de Soseki Natsume "Je suis un chat" (neko.txt) Analysez la dépendance et enregistrez le résultat dans un fichier appelé neko.txt.cabocha. Utilisez ce fichier pour implémenter un programme qui répond aux questions suivantes.

44. Visualisation de l'arbre dépendant

Visualisez l'arbre de dépendance d'une phrase donnée sous forme de graphe orienté. Pour la visualisation, convertissez l'arborescence des dépendances en langage DOT et [Graphviz](http: / /www.graphviz.org/) doit être utilisé. De plus, pour visualiser des graphiques dirigés directement à partir de Python, utilisez pydot.

Supplément au problème (à propos de la «visualisation et du graphe orienté»)

Visualisation

Il semble qu'il existe deux types de visualisation. J'ignore la première méthode. Je n'ai pas vérifié si la première méthode est facile. Cela n'a pas d'importance parce que je ne l'ai pas utilisé dans "Traitement du langage amateur 100 coups: 44" auquel je fais toujours référence dans mes coups.

Pour la visualisation, convertissez l'arborescence des dépendances en langage DOT et [Graphviz](http: //www.graphviz.org/) doit être utilisé.

Cette fois, j'ai utilisé la méthode suivante. Avec cela, tout ce que vous avez à faire est d'installer pydot avec pip et de le transmettre à la fonction en Python.

De plus, pour visualiser des graphiques dirigés directement depuis Python, utilisez pydot.

Graphique dirigé

Tout d'abord, [** Théorie des graphes **](https://ja.wikipedia.org/wiki/%E3%82%B0%E3%83%A9%E3%83%95%E7%90%86%E8% Il y a quelque chose qui s'appelle AB% 96)

La théorie des graphes (théorie des graphes) est une théorie mathématique des graphes constituée d'un ensemble de nœuds (nœuds / sommets) et d'un ensemble d'arêtes (branches / côtés).

[Définition du graphe orienté et du graphe invalide comme ci-dessous](https://ja.wikipedia.org/wiki/%E3%82%B0%E3%83%A9%E3%83%95%E7%90%86% E8% AB% 96 #% E6% A6% 82% E8% A6% 81) est à peu près (le "graphe orienté" a une direction). Veuillez suivre le lien pour plus de détails.

Si vous voulez considérer non seulement comment vous connecter, mais aussi «à partir de laquelle», ajoutez une flèche au bord. Un tel graphe est appelé graphe orienté ou digraphe. Un graphique sans flèche est appelé un graphique non orienté.

Répondre

Programme de réponse [044. Visualisation de l'arbre dépendant.ipynb](https://github.com/YoheiFukuhara/nlp100/blob/master/05.%E4%BF%82%E3%82%8A%E5%8F%97 % E3% 81% 91% E8% A7% A3% E6% 9E% 90 / 044.% E4% BF% 82% E3% 82% 8A% E5% 8F% 97% E3% 81% 91% E6% 9C% A8% E3% 81% AE% E5% 8F% AF% E8% A6% 96% E5% 8C% 96.ipynb)

import re
from subprocess import run, PIPE

import pydot

#Délimiteur
separator = re.compile('\t|,')

#Dépendance
dependancy = re.compile(r'''(?:\*\s\d+\s) #Non soumis à la capture
                            (-?\d+)       #Nombres(Contact)
                          ''', re.VERBOSE)

text = input('Veuillez saisir du texte')

#valeur initiale
if len(text) == 0:
    text = 'Je ne me souviens pas si je l'ai dit ou non, mais je pense que je l'ai probablement dit lors d'une fête à la main l'autre jour. Je l'ai essayé, mais j'en suis venu à penser que peu importe que je le dise ou non.'

cmd = 'echo {} | cabocha -f1'.format(text)
proc = run(cmd, shell=True, stdout=PIPE, stderr=PIPE)
print(proc.stdout.decode('UTF-8'))

class Chunk:
    def __init__(self, phrase, dst):
        self.phrase = phrase
        self.dst = dst  #Numéro d'index de la clause de contact

phrase = ''
chunks = []
for line in proc.stdout.decode('UTF-8').splitlines():
    dependancies = dependancy.match(line)
    
    #S'il ne s'agit pas d'EOS ou du résultat de l'analyse des dépendances(Notez qu'EOS n'a pas de sauts de ligne)
    if not (line == 'EOS' or dependancies):
        #Diviser par tabulation et virgule
        cols = separator.split(line)
        phrase += cols[0] #Type de surface(surface)

    #Lorsqu'il y a une analyse morphologique, le résultat de l'analyse EOS ou des dépendances
    elif phrase != '':
        chunks.append(Chunk(phrase, dst))
        phrase = ''

    #En cas de dépendance résultat
    if dependancies:
        dst = int(dependancies.group(1))

#Changé en un format qui transmet quelque chose avec un contact à pydot
edges = []
for i, chunk in enumerate(chunks):
    if chunk.dst != -1 and \
       chunk.phrase != '' and \
       chunks[chunk.dst].phrase != '':
        edges.append(((i, chunk.phrase), (chunk.dst, chunks[chunk.dst].phrase)))

#Enregistrer l'image en tant que graphique dirigé avec pydot
if len(edges) > 0:
    graph = pydot.graph_from_edges(edges, directed=True)
    graph.write_png('044.dot.png')

Répondre au commentaire

Saisie de texte

La partie "phrase donnée" du coup est donnée par la fonction ʻinput` (est-elle conforme à l'intention de la question?). Si rien n'est entré, la valeur initiale sera utilisée.

python

text = input('Veuillez saisir du texte')

#valeur initiale
if len(text) == 0:
    text = 'Je ne me souviens pas si je l'ai dit ou non, mais je pense que je l'ai probablement dit lors d'une fête à la main l'autre jour. Je l'ai essayé, mais j'en suis venu à penser que peu importe que je le dise ou non.'

Partie d'exécution CaboCha

La partie exécution CaboCha utilise la fonction run du package subprocess pour exécuter le shell. Je n'ai pas utilisé le wrapper Python de CaboCha parce que c'était purement ennuyeux.

python

cmd = 'echo {} | cabocha -f1'.format(text)
proc = run(cmd, shell=True, stdout=PIPE, stderr=PIPE)
print(proc.stdout.decode('UTF-8'))

La première partie du contenu produit par la fonction print est la suivante.

Partie du résultat d'impression

* 0 1D 0/4 0.285960
Dire le verbe,Indépendance,*,*,Rappel de ligne Godan / Wa,Connexion continue,Dire,Il,Il
Te assistant,Assistant de connexion,*,*,*,*,main,Te,Te
Ah verbe,Non indépendant,*,*,Cinq étapes, La ligne,Connexion continue,y a-t-il,Ah,Ah
Verbe auxiliaire,*,*,*,Spécial,Forme basique,Ta,Ta,Ta
Assistant Ka,Sous-auxiliaire / assistant parallèle / assistant final,*,*,*,*,Ou,Puissance,Puissance
* 1 4D 0/4 2.230543
Dire le verbe,Indépendance,*,*,Rappel de ligne Godan / Wa,Connexion continue,Dire,Il,Il
Verbe te,Non indépendant,*,*,Un pas,Forme imparfaite,Teru,Te,Te
Pas de verbe auxiliaire,*,*,*,Spécial Nai,Connexion continue,Absent,Naka,Naka
Verbe auxiliaire,*,*,*,Spécial,Forme basique,Ta,Ta,Ta
Assistant Ka,Sous-auxiliaire / assistant parallèle / assistant final,*,*,*,*,Ou,Puissance,Puissance
* 2 4D 0/3 2.418727
Quel nez,Synonyme,Général,*,*,*,Lequel,Dotch,Dotch
Verbe auxiliaire,*,*,*,Spécial,Connexion continue,Est,Papa,Papa
Verbe auxiliaire,*,*,*,Spécial,Forme basique,Ta,Ta,Ta
Assistant Ka,Sous-auxiliaire / assistant parallèle / assistant final,*,*,*,*,Ou,Puissance,Puissance

python

#Changé en un format qui transmet quelque chose avec un contact à pydot
edges = []
for i, chunk in enumerate(chunks):
    if chunk.dst != -1 and \
       chunk.phrase != '' and \
       chunks[chunk.dst].phrase != '':
        edges.append(((i, chunk.phrase), (chunk.dst, chunks[chunk.dst].phrase)))

Au fait, «edges» a un tel contenu.

((0, 'Avez vous dit'), (1, 'N'as-tu pas dit'))
((1, 'N'as-tu pas dit'), (4, 'Je ne me souviens pas'))
((2, 'Ce qui était'), (4, 'Je ne me souviens pas'))
((3, 'Correctement'), (4, 'Je ne me souviens pas'))
((4, 'Je ne me souviens pas'), (19, 'J'y ai pensé,'))
((5, 'Certainement'), (7, 'Hourra'))
((6, 'Une fête à remontage manuel pendant cette période'), (7, 'Hourra'))
((7, 'Hourra'), (8, 'quelquefois'))
((8, 'quelquefois'), (10, 'M'a dit'))
((9, 'Un petit peu'), (10, 'M'a dit'))
((10, 'M'a dit'), (11, 'Sentiment'))
((11, 'Sentiment'), (12, 'Sans pour autant'))
((12, 'Sans pour autant'), (14, 'Nishimo'))
((13, 'Sans pour autant'), (14, 'Nishimo'))
((14, 'Nishimo'), (15, 'Sans pour autant'))
((15, 'Sans pour autant'), (17, 'Je crois que j'ai dit'))
((16, 'Peut-être'), (17, 'Je crois que j'ai dit'))
((17, 'Je crois que j'ai dit'), (19, 'J'y ai pensé,'))
((18, 'Jusqu'ici'), (19, 'J'y ai pensé,'))
((19, 'J'y ai pensé,'), (28, 'Ça dépend.'))
((20, 'Oh cher'), (21, 'je te le dirai'))
((21, 'je te le dirai'), (28, 'Ça dépend.'))
((22, 'Dire'), (23, 'Je m'en fous'))
((23, 'Je m'en fiche'), (25, 'Il n'y a pas de problème,'))
((24, 'Jusqu'à ce point'), (25, 'Il n'y a pas de problème,'))
((25, 'Il n'y a pas de problème,'), (26, 'je pense'))
((26, 'je pense'), (27, 'Atteint'))
((27, 'Atteint'), (28, 'Ça dépend.'))

Graphisme dirigé

Enfin, utilisez la fonction graph_from_edges pour créer un graphique valide et utilisez la fonction write_png pour enregistrer l'image. En définissant «dirigé = Vrai» au moment du graphique dirigé, la ligne entre les segments devient une flèche.

#Enregistrer l'image en tant que graphique dirigé avec pydot
if len(edges) > 0:
    graph = pydot.graph_from_edges(edges, directed=True)
    graph.write_png('044.dot.png')

Résultat de sortie (résultat de l'exécution)

Lorsque le programme est exécuté, les résultats suivants sont affichés.

Au fait, c'est l'histoire originale de ce document. Article "[Play] Analyse synthétique du mail de démonstration de Shinkalion".