GTS and Parsing Problem

成员：向东伟、林天梁

Graph Transformation System

组成

根目录下

• Graph.py
• Rule.py
• Transformer.py
• Maper.py
• Reader.py
• Writer.py

Demo

运行python3 Solve.py，可以查看调用GTS解决推箱子、过河问题、句法分析的结果：

1. 对于推箱子、过河问题，将会按照顺序输出为了解决问题，每一步所应用的rule。
2. 对于句法分析问题，还会自动在examples/parsing/目录下生成result.json，自动在visualize/parsing/目录下生成result.png。

详情可见Solve.py源代码。

Parsing Problem 句法分析

说明

我们试图采用GTS模型来解决中文句法分析的问题。亦可参见GTS_Presentation.pdf。

利用分词工具，对给定句子进行分词，得到的词语列表看作是语义模块的列表。

应用汉语语法的基本规则可以确定不同语义模块之间的关系：例如并列关系（表现为图模型中的并列关系），修饰关系（表现为图模型中的从属关系，修饰成分从属于被修饰成分），主谓关系等等。

初始情况下，句子的图模型成链状。经过多次Transform之后，如果能够匹配某一种汉语句式（SVO主谓宾，SV主谓，SVOO主谓双宾等），则目标达成，输出匹配目标的图模型对应的JSON文件。

在实践中，我们发现自然语言处理的问题实在是博大精生。对于正式化的、符合我们预设的标准汉语句法结构的句子在实际中是少之又少的。因此，本模型的精确程度高度依赖于设定的rules是否完备，以及分词的准确性。作为试验，我们仅仅加入了十余条rule，这是远远不够的。

三个例子

我们选取了三个难度不同的例子，对句法分析模型作一展示。

“我爱北京天安门” 7字

输出为：

“他 试图 传授 一点 人生 的 经验” 12字

简化后的输出为：

原始输出为：

“他 在 记者会 上 表示 按照 香港 的 基本法 支持 特首 董先生 的 连任” 26字

简化后的输出为：

原始输出为（高能预警）：