Python 使用NP块绘制平坦NLTK解析树

我想用NLTK分析句子，并将其块显示为一棵树。NLTK提供了绘制树的方法

tree.draw（）

。下面的代码为“小黄狗对着猫吠叫”这句话画了一棵树：

导入nltk
句子=[（“the”，“DT”），（“little”，“JJ”），（“yellow”，“JJ”），（“dog”，“NN”），（“barked”，“VBD”），（“at”，“IN”），（“the”，“DT”），（“cat”，“NN”）]
pattern=“NP:{？*}”
NPChunker=nltk.RegexpParser（模式）
result=NPChunker.parse（句子）
结果.draw（）

结果是这棵树：

我怎样才能得到一棵这样的树呢

你需要“升级”你的非NP单词，这里有一个技巧：

import nltk 
sentence = [("the", "DT"), ("little", "JJ"), ("yellow", "JJ"), ("dog", "NN"), ("barked","VBD"), ("at", "IN"), ("the", "DT"), ("cat", "NN")]

pattern = """NP: {<DT>?<JJ>*<NN>}
VBD: {<VBD>}
IN: {<IN>}"""
NPChunker = nltk.RegexpParser(pattern) 
result = NPChunker.parse(sentence)
result.draw()

导入nltk
句子=[（“the”，“DT”），（“little”，“JJ”），（“yellow”，“JJ”），（“dog”，“NN”），（“barked”，“VBD”），（“at”，“IN”），（“the”，“DT”），（“cat”，“NN”）]
模式=“NP:{？*}
VBD:{}
在：{}
NPChunker=nltk.RegexpParser（模式）
result=NPChunker.parse（句子）
结果.draw（）

[out]：

---

---

我知道现在回答有点晚了。但我是这样做的。 这个想法是你需要把你的句子转换成一棵树

import nltk
sentence = list(map(lambda sent: Tree(sent[1], children=[sent[0]]), sentence))

然后你可以在之后进行分块

NPChunker = nltk.RegexpParser(pattern) 
result = NPChunker.parse(sentence)
result.draw()

---

这是我的结果

@alvas，你为什么把标题改为“扁平化”？我不会说OPs的问题是关于平坦的——在这两个例子中，树的分支是相同的。相反，OP要求为PoS标签设置一个单独的级别（顺便说一句：不仅仅是非NP单词…。@lenz，因为这很可能是他需要的。因为他使用的NP模式是人们对术语提取、名词/实体提取等所做的，而

.draw（）

纯粹是表示，所以它不会改变很多解析结果=），只需仔细检查一下，@raxer，这就是你想要的吗？@alvas，我的目标是再做一次表示。以黄色这个词为例。它有pos标签

JJ

。在第一张图片中，

JJ

与黄色在同一层。但是在第二张图片上，

JJ

在单词黄色上方有一层。如何在第二张图片上显示它？

NPChunker = nltk.RegexpParser(pattern) 
result = NPChunker.parse(sentence)
result.draw()