Python 如何在空间依赖解析中获取单词索引？

我正在尝试使用Spacy来提取单词关系/依赖项，但我有点不确定如何使用它提供给我的信息。我了解如何生成用于调试的可视依赖关系树

具体来说，我看不到将令牌的子项列表映射到特定令牌的方法。没有索引，只有一个单词列表

请看下面的示例：

nlp（“自动驾驶汽车向制造商转移保险责任”）

另外，如果这句话是nlp（“自动驾驶汽车将保险责任转移给汽车制造商”），我如何在这两种汽车之间消除歧义

我唯一能想到的是，也许这些标记实际上是引用类型，我可以自己映射到索引。是这样吗

---

基本上，我希望从让谓词和参数理解“谁对谁做了什么以及如何/使用了什么”开始。是的，当你打印一个标记时，它看起来像一个字符串。它不是。它是一个包含大量元数据的对象，包括你要找的索引

token.I

---

如果您刚刚开始使用spaCy，那么最好的时间利用方式是，它既快又实用。

啊，我想索引一定存在，但不知何故我找不到API参考的相关部分。这有点相切，但与斯坦福大学的corenlp和更近的一节相比，Space实际上是一个非常好的工具，甚至谷歌的NLP？我试图获得有关对象/实体之间的关系、它们对什么的作用、因果关系和条件关系等信息。具体来说，我希望能够获得诸如“当x发生时，Y发生时”或“当我还是个男孩时，我玩积木”之类的句子的信息“--并提取逻辑。“这在太空中可行吗？”同步器回答了这个问题吗？你有足够的观点，我想你知道不接受或不投正确的票是有点粗鲁的。你的补充问题是：spaCy非常棒。我不会碰coreNLP，用户体验太粗糙了。节是真正强大的，但贸易方便的权力。我会从spaCy开始，然后移动到节，如果我需要额外的几%的准确性。不过，有一个库可以使stanza模型在spaCy中可用，这就是我使用stanza的方式。GCP实体提取非常好，但我还没有尝试配置它哦，很抱歉。我投了赞成票。不过，我希望找到一种遍历依赖关系树的具体方法。该网站建议按照单词的顺序去做，但我不确定这会让我得到什么。也许这应该是一个单独的问题。我希望提取谓词等因果关系（如果x发生，当x发生），但这可能是一组硬编码规则。我试图找到更多的例子。所以你希望从“如果……那么……”类型语句中提取条款，即使它们没有被框为“如果……那么……”例如，“自动驾驶汽车将保险责任转移给制造商”“如果有自动驾驶汽车，则保险责任转移给制造商”。。。你想提取（“有自动汽车”，“保险责任向制造商转移”）？或者你只是想提取代理人、行动和患者？e、 g.“自动驾驶汽车向制造商转移保险责任”->（“自动驾驶汽车”、“转移”、“责任”）或（“自动驾驶汽车”、“转移”、“对制造商的责任”）？不管怎样，我觉得那将是一个单独的问题。因此，当问题被关注时效果更好，这个问题是“如何在空间依赖解析中获得单词索引？”