如何在Python NLP场景中提取作用于宾语的谓语动词

这类需求优先用依存句法分析实现，依存句法会天然标注句子中词与词的语义依存关系，只要找到和宾语存在动宾修饰关系的动词即可，完全匹配你举的场景需求。

实现工具选择 #

推荐用spaCy库实现，预训练模型自带成熟的依存句法分析能力，不用自己训练模型，开箱即用。

具体实现步骤 #

• 第一步：安装依赖
  先安装spaCy库，再下载对应语言的预训练模型：

  pip install spacy
  # 处理英文下载英文模型
  python -m spacy download en_core_web_sm
  # 处理中文就替换为下载中文模型：python -m spacy download zh_core_web_sm
  

• 第二步：核心逻辑说明
  依存句法标注中，直接宾语的标签为dobj，该宾语的父节点（head）就是对应的谓语动词，你示例中的carrots标签为dobj，它的父节点就是eat，和预期完全匹配。
• 第三步：代码实现

  import spacy
  
  # 加载预训练模型，处理中文就替换为"zh_core_web_sm"
  nlp = spacy.load("en_core_web_sm")
  
  def extract_target_predicate(sentence: str):
      doc = nlp(sentence)
      result = []
      for token in doc:
          # 匹配直接宾语
          if token.dep_ == "dobj":
              predicate = token.head
              # 过滤仅保留动词词性的节点
              if predicate.pos_ == "VERB":
                  result.append(predicate.text)
      # 去重后返回结果
      return list(set(result))
  
  # 测试你给出的示例句子
  test_sentence = "Horses eat carrots"
  print(extract_target_predicate(test_sentence))
  # 输出结果：['eat']
  

复杂场景适配 #

如果需要处理更多特殊句式，可以调整匹配的依存标签规则即可：

• 间接宾语对应标签iobj
• 被动语态下的宾语对应标签nsubjpass
• 介词引导的宾语对应标签pobj，可根据业务需求决定是否纳入匹配范围

内容的提问来源于stack exchange，提问作者CoderCookie10