如何获取NLTK Semcor中Tree的Lemma及树类型？

嘿，这两个需求我熟！先把基础的加载代码放出来，确保我们在同一个频道上：

import nltk
nltk.download('semcor')
from nltk.corpus import semcor

1. 获取包含Lemma的Tree节点 #

你要的Tree(Lemma('group.n.01.group'))这种结构，其实就是semcor.tagged_sents(tag="sem")返回的句子中的Tree元素。这里给你两种方法：

• 通用遍历法：如果你不确定目标节点的位置，可以遍历句子找到带Lemma的Tree：

  first_sent = semcor.tagged_sents(tag="sem")[0]
  lemma_tree = None
  for item in first_sent:
      # 判断是否为含Lemma的Tree
      if hasattr(item, 'label') and isinstance(item.label(), nltk.corpus.reader.wordnet.Lemma):
          lemma_tree = item
          break
  print(lemma_tree)
  # >>> Tree(Lemma('group.n.01.group'), [Tree('NE', ['Fulton', 'County', 'Grand', 'Jury'])])
  

• 直接索引法：要是你已经知道目标节点的位置（比如你示例里的第2个元素），直接索引更高效：

  lemma_tree = semcor.tagged_sents(tag="sem")[0][1]
  print(lemma_tree)
  # >>> Tree(Lemma('group.n.01.group'), [Tree('NE', ['Fulton', 'County', 'Grand', 'Jury'])])
  

2. 获取子树的类型（比如'NE'） #

拿到上面的Lemma Tree后，它的子节点就是带类型标签的Tree。要获取标签（比如'NE'），只需要调用子Tree的.label()方法：

# 从Lemma Tree中取出子树
ne_tree = lemma_tree[0]
# 获取树的类型
tree_type = ne_tree.label()
print(tree_type)
# >>> 'NE'

或者直接用索引链一步到位：

tree_type = semcor.tagged_sents(tag="sem")[0][1][0].label()
print(tree_type)
# >>> 'NE'

内容的提问来源于stack exchange，提问作者Emil