Python 比较两个相似、不相同的NLTK树

我试图写一个程序，将采取在两个句子，并检查他们是否相似。我不想使用成熟的解析器，而是使用我认为最常遇到的简单语法创建了一个解析器。现在，我的兴趣是句子中的名词短语。检查标记为名词短语的子树是否相等是很容易的。我想添加更多内容，让用户决定是否接受缺少/不匹配的限定符（部分匹配）

输出树的形式是（S（NP/DT-bag/NN）is/VBZ（JP-blue/JJ）），其中我定义了语法名词短语（NP）和形容词短语（JP）

为了进行匹配，我考虑了以下几条路线：

• 删除相关树中的限定符节点，然后比较
• 将所有限定符节点的值更改为公共值，例如X
• 列出除标记为“DT”的叶节点以外的所有叶节点

我是python新手，在这里面临一些问题：

• 如果我编写一个递归函数遍历名词短语树，直到它到达带有限定符的叶子，我就无法修改原始树中的值，因为它只传递值

• 我在nltk树上找到的唯一一个delete函数是一个要求删除与树的根相关的节点的精确索引的函数，如果它是根节点最左端子节点的最左端子节点，则其格式为[0,0]。这是一个棘手的问题，因为对于每个节点，它很可能涉及一个随着树的高度增长的整数列表

• 我创建了一个列表，其中每个列表都有一个名词短语的所有叶子，不包括限定词，并对它们进行了比较

所以，我的问题是

如何从NLTK树中删除节点，而不首先以[0,0,1,0，…]的形式获取其索引

如何在不使用索引的情况下修改叶值？（我希望使用递归函数，并且每当函数碰到我要修改的叶时，我希望修改它）

如果这些都不可能，我如何获得一个叶的索引？我被难住了。Nltk树有一个treeposition函数，但这只适用于子树。与其他节点相比，Python认为叶子是不同的类型吗？因为树的位置对我的叶子不起作用。这可能是因为我的叶子是元组，而不仅仅是字符串，但我不知道如何更改它，因为这是pos标记器的输出。那么，有没有办法用形式（DT the）的子树替换我的叶，它是形式[the/DT]的元组？再次定义递归过程不会修改原始树

---

有什么建议/意见吗？

好的，让我们逐一回答你的问题

tree = Tree.parse("(S (NP The/DT bag/NN) is/VBZ (JP blue/JJ))")

删除节点：

tree.remove（tree（'JP'，['blue/JJ'））

tree.remove（'is/VBZ'）

修改一个值。您可以通过获取树成员的索引来实现这一点（记住，它继承列表）：

tree.index（'is/VBZ'）

但同样，这不是一个好办法

遍历叶子的最佳方法是使用

tree.leaves（）

获取叶子，然后通过

tree.leaf\u treeposition（index）

获取索引，并使用这些索引在适当的位置修改/删除叶子。