依存句法分析小结

一直都是对依存句法分析只有一个模模糊糊的概念，最近看了一些相关的文章以及视频，在这里做一个小结。

依存句法 分析( Dependency Parsing, DP) 通过分析语言单位内成分之间的依存关系揭示其句法结构。

使用语义依存刻画句子语义，好处在于不需要去明白词汇本身的意思，而是通过词汇所承受的语义框架来描述该词汇，而其数目相对词汇来说数量是小很多的。这样一来，大部分的句子都可以用这个框架来表示，同时，我们又能总结出这句话大概讲了些什么。

首先，句子中的核心动词是支配其他成分的中心成分，它本身不受支配。其次，其它成分间也存在支配关系。

关于如何支配的问题，具体可以总结为以下五条规律（在20世纪70年代，Robinson提出依存语法中关于依存关系的四条公理，在处理中文信息的研究中，中国学者提出了依存关系的第五条公理）：
一个句子中只有一个成分是独立的，即核心成分；
句子的其他成分都从属于某一成分，即除了核心成分外的部分；
任何一个成分都不能依存于两个及以上的成分；
如果成分A直接从属成分B，而成分C在句子中位于A和B之间，那么，成分C或者从属于A，或者从属于B，或者从属于A和B之间的某一成分（如果将从属关系用线条表示出来的话，那么这些线条不会发生交交错）；
核心成分左右两边的其他成分相互不发生关系，相当于核心成分是一条界线，左右两边的部分不再发生支配关系

下面的列表列出了主要存在哪些关系以及相应的例子，箭头的方向为由从属词指向支配词：

那依存句法分析有哪些应用呢？
可对相应树库构建体系的正确性和完善性进行验证;
直接服务于各种上层应用,比如搜索引擎用户日志分析和关键词识别,比如信息抽取、自动问答、机器翻译等
下面列举一个知乎上的例子（https://www.zhihu.com/question/39034550）：

讲了这么多，还没说具体怎么实现依存句法分析呢？总不可能人工地去进行标注吧。
和很多问题一样，有两个方向来解决问题：基于规则和基于统计。现在的主流是基于统计的方法。
那具体地说，基于统计的有哪些方法呢？
一种是基于图的方法（Graph Based），一种是基于决策（Transition Based）的方法。
具体解释看这里（https://blog.csdn.net/sinat_26917383/article/details/55682996）：

目前在开源中文句法分析器中比较具有代表性有Stanford parser和 Berkeley parser。