pcfg：是基於概率的上下文無關文法，pcfg的規則表示為a—>α p，a為非終結符，p為a推導出α的概率，相同左部的產生式概率分布滿足歸一化條件。
基於pcfg的句法分析模型中，假設滿足以下三個條件：
1.位置不變性：子樹的概率不依賴子樹所管轄的單詞在句子中位置；
2.上下文無關性：子樹的概率不依賴子樹控制單詞以外的單詞；
3.祖先無關性：子樹的概率不依賴推導出子樹的祖先節點。
pcfg三個基本問題（與hmm類似）：
a.給定乙個句子w = w1w2wn和文法g，如何快速計算p（w|g）？
b.給定乙個句子w = w1w2wn和文法g，選擇句法結構樹 t 使得在w的所有結構樹中有最大概率？
c.給定乙個句子w = w1w2wn和文法g，如何調節g的概率引數，使得句子的概率最大？即求解argmaxgp（w|g）。
為解決這三個問題，通常只考慮文法具有喬姆斯基正規化的情況，對於任意乙個cfg，都可以將其轉化為cnf文法。
中文依存句法結構分析
usr bin python3 coding utf 8 author heyw time 2020 1 14 10 34 software pycharm file stanford.py from stanfordcorenlp import stanfordcorenlp from nltk....
句法分析的學習
句法分析 sentence parsing 有二層含義，一是指根據文法對乙個句子進行分析，建立這個句子的語法樹，即文法分析 syntactic parsing 二是指對乙個句子中各成分的語義進行分析，得到對這個句子的語義的一種描述，也就是語義樹，即語義分析 semantic parsing 文法分析...
基於依存句法分析的開放式中文實體關係抽取
這一段時間一直在做知識圖譜，卡在實體關係抽取這裡幾個月了，在github上面看到有人使用卷積神經網路訓練模型進行抽取，自己也嘗試了一下，但是一直苦於沒有像樣資料去訓練，而標註訓練集又太費時間了，我不太願意幹體力活。所以採用了乙個低檔次的方法，基於依存句法分析的實體關係抽取，記錄一下心得，方便日後忘記...