Stanza修改UPOS标签后constituency tree未同步问题求解

我在使用Stanza处理西班牙语句子时，尝试将UPOS标签替换为西班牙语本地化名称（比如把NOUN改成Sustantivo），虽然成功修改了sentence.words里的UPOS值，但打印constituency tree时，标签还是原来的英文缩写，没有同步更新。

原代码片段 #

import stanza
import nltk
from nltk import Tree
from nltk.draw.util import CanvasFrame
from nltk.draw import TreeWidget

sentence = "Juan camina al parque con su madre."
pipeline = stanza.Pipeline('es', processors='tokenize,mwt,pos,lemma,depparse,constituency')
parser = pipeline(sentence)

upos_mapping = {
    "NOUN": "Sustantivo",
    "ADP": "Preposición",
    "DET": "Determinante"
}

# 修改words中的UPOS标签
for sentence in parser.sentences:
   for word in sentence.words:
      if word.upos in upos_mapping:
         word.upos = upos_mapping[word.upos]

# 提取constituency tree
parsed_sentence = parser.sentences[0].constituency.children[0].children

print(parsed_sentence, parser)

问题原因 #

Stanza的constituency tree是在pipeline处理阶段一次性生成的，生成时会直接使用当时的UPOS标签值构建树形结构。后续修改sentence.words里的UPOS属性，不会自动同步到已经生成的constituency tree中——因为两者是独立存储的对象，没有动态绑定的关联。

解决方案：手动遍历并替换Constituency Tree中的标签 #

由于Stanza的constituency tree本质是nltk.Tree对象，我们可以递归遍历树的所有节点，找到需要替换的POS标签，用自定义映射表更新它们。

修改后的完整代码 #

import stanza
import nltk
from nltk import Tree

sentence = "Juan camina al parque con su madre."
pipeline = stanza.Pipeline('es', processors='tokenize,mwt,pos,lemma,depparse,constituency')
parser = pipeline(sentence)

upos_mapping = {
    "NOUN": "Sustantivo",
    "ADP": "Preposición",
    "DET": "Determinante"
}

# 1. 修改words中的UPOS标签
for sentence in parser.sentences:
   for word in sentence.words:
      if word.upos in upos_mapping:
         word.upos = upos_mapping[word.upos]

# 2. 递归替换constituency tree中的UPOS标签
def replace_upos_in_tree(tree, mapping):
    # 如果是叶子节点（POS标签+单词）
    if isinstance(tree, nltk.Tree) and len(tree) == 1 and isinstance(tree[0], str):
        pos_tag = tree.label()
        if pos_tag in mapping:
            tree.set_label(mapping[pos_tag])
    # 如果是非叶子节点，递归处理子节点
    elif isinstance(tree, nltk.Tree):
        for child in tree:
            replace_upos_in_tree(child, mapping)

# 获取完整的constituency tree
constituency_tree = parser.sentences[0].constituency
# 执行替换
replace_upos_in_tree(constituency_tree, upos_mapping)

# 打印更新后的tree
print(constituency_tree)
# 打印更新后的words信息
print(parser)

效果验证 #

执行上述代码后，constituency tree中的标签会被替换为西班牙语本地化名称，比如原来的(NOUN parque)会变成(Sustantivo parque)，(ADP a)变成(Preposición a)，同时sentence.words中的UPOS标签也保持修改后的状态。

内容的提问来源于stack exchange，提问作者Eduardo