句法分析方法transation based dependency parsing和graph based parsing

句法分析的几种主要方法： 
Deterministic parsing（specifically ： Transition-based parsing） 
Dynamic programming（specifically ： Graph-based parsing） 
Constraint satisfaction

1 什么是Transition-based基于转移的框架？

（1）队列I存放句子中word

（2）栈S中存放从队列I中移过来的需要进行判断的word

（3）动作Action则用来控制状态之间的转移

（4）记录不完整的预测结果A。

用在生成依存句法树上，则具体表示为从空状态开始，通过动作转移到下一个状态，一步一步生成依存句法树，最后的状态保存了一个完整的依存树。依存分析就是用来预测词与词之间的关系，现在转为预测动作序列。在基于转移的框架中，我们定义了4种动作（栈顶的元素越小表示离栈顶越近）：

移进（shift）：队列首元素q0出队列，压入栈成为s0。

左规约（arc_left_l）：栈顶2个元素s1, s0规约，s1下沉成为s0的左孩子节点，l为弧上关系。它的具体意义是从I和S里面各取一个元素弹出来，画一条左弧把它们连起来，丢到最右边的A里面

右规约（arc_right_l）：栈顶2个元素s1, s0规约，s0下沉成为s1的右孩子节点，l为弧上关系。

根出栈（pop_root）：根节点出栈，分析完毕。

下图中在“she”和“bought”之间形成一条左弧，左弧的意义是，弧向哪边指，被指向的那个token是作为子节点，指别人的token是作为一个父节点，在这里，“bought”就作为一个父节点重新被压到站里面，之后的操作就是不断循环往复，一直做到I站为空，这时候过程终止。

这个算法的意义主要是，“我永远只操作我这句话最前面的两个token”，可以这么理解，transition-based parser是通过基于局部词的组。

2 graph based parser

相比于上面局部的方法，graph-based parser就是一种全局的方法。

它的核心思想是，不管每个词之间的距离，把词与词的关系密切性变成一个值，然后生成一个对角树，生成这个树的路径就是dependency parser的路径。它的优势是能够实现局部最优解，因此它不会因为之前的误差，导致全局最后的pass结果错误。

graph based dependency parsing深度学习方法：

这个模型是把之前构建数的问题变成距离计算的问题。它本质做的事情是建立一个矩阵，行和列都是这个句子里的token，每两个行列中的一个点表示a修饰b的概率或b修饰a的概率的一个得分，最后要形成树，我们就是在这个距离向量中找一棵最大生成树，生成出来的就是dependency parser。

https://juejin.im/post/5ab4b8b0f265da23830ad2c3

left-arc和right-arc只会操作栈顶的两个元素，加一条边，并把这两个元素pop出去，然后再加一个进来

https://blog.csdn.net/u014422406/article/details/53954823

https://blog.csdn.net/gaoborl/article/details/79624205