句法分析：NLP文本结构解析入门

可视化演示

展示依存句法的词间弧线关系、成分句法的层次语法树结构，及两种解析方式的并排对比。

句法分析概述

拿到一堆积木时，你首先会做什么？大概率是先看说明书：城堡分几层，哪里是门，哪里是塔楼。句法分析之于机器，就像是给“句子城堡”找到说明书。它把一维的词序列转成有父子关系的树状结构，让“爱”不再只是第三个词，而是整句话的主心骨。

所谓语法树，就是句法分析的核心产物。树的根通常是整句核心（例如谓词），边则表示词或短语之间如何组合。以“我 爱 NLP”为例，“爱”是根节点，指向“我”和“NLP”，一个表示施动者，一个表示受动者。树不是凭空生成的，在它之前机器通常还要做两件事：分词和词性标注。分词把句子切成积木块，词性标注给每块积木贴上“名词”“动词”的标签，句法分析再把贴好标签的积木按规则拼接起来。

这一节最重要的理解是：句法分析的输入是词序列，输出是结构树。结构树把线性顺序变成了层级关系，方便后续程序直接问“这句话的主语是谁”“宾语是什么”。可以说，它是文本从“一串字”变成“可计算的命题”的枢纽。

当然，说明书不止一种。有人喜欢看承重关系，有人喜欢看模块划分，于是就有了后面两节：依存句法和成分句法。两种视角并不矛盾，就像同一座城堡，既可以用受力图描述，也可以用装配图描述。

依存句法

先看第一种说明书：承重图。城堡里，每一块不是承重墙的砖都会被某块“上级”砖托住，而最上面那根主梁承受全屋重量。依存句法把这种关系搬到句子上：每个词都有一个支配词（head），除根节点外，每个词都从属于另一个词。

在“我爱 NLP”中，“爱”是根节点（root）；“我”以 nsubj（主语）关系挂在“爱”下面；“NLP”以 dobj（宾语）关系挂在“爱”下面。这样一条条带箭头的依存弧，就组成了一棵依存树。相比成分句法，依存句法更强调“谁依赖谁”，而不太关心“哪些词组成一个短语”，所以它非常擅长回答“谁对谁做了什么”。

现代依存句法模型通常用打分的方式找最优树：对句子中每一个可能的父子词对，模型都算出一个置信度，然后选择总体得分最高的那棵结构树。用公式可以写成：

把公式翻译回乐高语言：你要在所有“拼接方案”里，找一种最能用已有积木搭建、最符合常规结构受力逻辑的方案。依存树就是这份受力图。

成分句法

第二种说明书是装配图。它不直接回答“谁托着谁”，而是先把城堡分成大模块：塔楼、城墙、主楼；再把塔楼拆成窗户、砖块、屋顶。成分句法正是这样一层层“套盒子”的。

给定“我爱 NLP”，成分句法会得到一棵成分树：S（句子）下面分出 NP（名词短语“我”）和 VP（动词短语“爱 NLP”）；VP 又继续拆成 V（动词“爱”）和 NP（名词短语“NLP”）。每个内部节点都是一个短语，叶子才是真正的词。

这种嵌套拆解可以用上下文无关文法（CFG）描述。CFG 提供一组“重写规则”，告诉计算机一个大结构可以替换成哪些小结构。例如：

装配图虽然更细致，但要维护很多语法规则，代价也更高；它和承重图一样，只是观察城堡的一个角度，并不互相替代。

主流工具

手动画语法树太累，幸好有“扫描仪”一样的现成工具。spaCy 是工业界最常见的扫描仪：加载快、调用简单，开箱即用；stanza 则更接近学术界的万能工具箱，对多语言支持更好，还能同时给出依存树和成分树。

用 spaCy 做依存句法分析，只需要三行核心逻辑：加载模型、把句子丢给模型、遍历 token 的 head 和 dep_。中文用户可以用 zh_core_web_sm 这类预训练模型，stanza 同样能处理中文。对刚入门的人，spaCy 的 API 最友好；对想要更全面结构的场景，stanza 更合适。

快速上手时要注意：模型是“包装好的积木包”，下载后直接调用 nlp(text) 即可；不要再自己写分词和词性规则，工具会按预训练 pipeline 自动完成。你需要关心的，是把结构树取出来可视化，并落到下游任务中。扫描仪拿到手后，下一步要判断它扫得准不准——这就是评测。

评测方法

扫描仪扫出的图纸永远会有误差，怎么知道准不准？拿着它的输出和官方说明书逐块比对。句法分析的“官方说明书”是人工标注的树库，例如 CoNLL 共享任务和 Universal Dependencies 系列语料。

最常用的两个指标是 UAS（未标记依存准确率）和 LAS（标记依存准确率）。UAS 只看弧头连得对不对，LAS 还要求弧上的关系标签也正确。公式如下：

现代工具的 UAS 往往能达到 85% 以上，LAS 通常低几个点。所以评测很像乐高质检：先看拼接口数量对没对上（UAS），再看每个接口是不是用了正确的卡扣型号（LAS）。

应用与选型

结构图纸不是用来收藏的。拿到“谁托着谁”的依存树后，机器可以直接回答“主语是谁”“动作是什么”“宾语是谁”，这正是信息抽取、意图识别和知识图谱构建最需要的中间表示。

选型就像选扫描仪：线上实时服务优先考虑 spaCy，因为它快、内存友好；离线做高精度分析，或者需要成分句法树时，优先考虑 stanza，因为它更强也更容易拿到丰富结构。无论选哪个，都建议先在自己的领域数据上跑一遍 UAS/LAS，看看“官方图纸”上达不达标。

实际工程里，句法分析往往放在“分词 → 词性标注 → 依存解析”这个管道后面。它不负责理解词义，但负责把句子骨架立起来，让下游模型少走弯路。对初学者来说，把一座句子城堡拆成受力图和装配图，是理解自然语言的一把钥匙；这把钥匙会一直陪你走到语义理解那扇门。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""依存句法分析小演示首次运行前请安装模型:python -m spacy download en_core_web_sm"""import spacy nlp = spacy.load("en_core_web_sm")text = "Alice loves natural language processing."doc = nlp(text) print("Token\tHead\tRelation")for token in doc:    print(f"{token.text}\t{token.head.text}\t{token.dep_}") print("\n依存弧:")for token in doc:    if token.dep_ != "ROOT":        print(f"  {token.head.text} --{token.dep_}--> {token.text}")

1. nlp = spacy.load("en_core_web_sm")加载预训练模型，相当于给扫描仪装上镜头。
2. doc = nlp(text)执行分词、词性、句法一整套 pipeline，返回结构对象。
3. for token in doc:遍历句子中的每个词符。
4. token.dep_当前词与支配词的关系标签，如 nsubj、dobj。
5. token.head.text当前词在依存树上的支配词，也就是“托着它的上级积木”。
6. if token.dep_ != "ROOT":跳过树根节点，只输出真正有父节点的依存弧。

常见误区

面试题