如何将 SpaCy 依赖树拆分为子句？

Question

我正在尝试通过依赖树（根据 SpaCy）来拆分文本单元。我已经尝试了 spacy 提供的大部分文档，但我不知道如何完成这项任务。要可视化，请参见下文：import spacyfrom spacy import displacydoc = nlp('I was, I dont remember. Do you want to go home?')dependency_flow = displacy.render(doc, style='dep', jupyter = True, options = {'disxatance': 120})上面的代码产生了这个依赖关系树图（由于大小分成了 2 个屏幕截图）：直观上，这表明原句中有 2 个独立子句。原来的句子是'I was, I dont remember. Do you want to go home?', 它被有效地分成了两个从句，'I was, I dont remember.', 和'Do you want to go home?'。输出如何使用 SpaCy 或任何其他工具将原始话语拆分为这两个子句，以便输出为：['I was, I dont remember.', 'Do you want to go home?']?我目前的方法相当冗长且昂贵。它涉及在原始文本中找到两个最大的子树，它们的相对索引跨越原始文本索引的范围，但我相信还有另一种更好的方法。

Answer 1

给定您的输入和输出，即一个子句不会跨越多个句子。然后，与其沿着依赖树的兔子洞走下去，不如从文档中将子句作为句子（在内部它们是跨度）获取会更好。

import spacy

nlp = spacy.load("en_core_web_sm")

doc = nlp('I was, I dont remember. Do you want to go home?')

print([sent.text for sent in doc.sents])

输出

['I was, I dont remember.', 'Do you want to go home?']