依存解析工具(百度DDParser)

 继前面写了关于句法依存关系的理论文章和应用工具NLTK+StandfordNLP之后，本文继续介绍一款方便好用的中文解析工具－百度DDParser。本文对该工具的介绍，主要包括两个部分：该工具的安装使用和结果可视化展示。

(一)安装使用

安装的步骤，其实可以遵循官网的方法。即安装python、paddlpaddle、lac等依赖组件，然后安装ddparser。其中依赖组件的版本要求为：

python: >=3.6.0, <3.8.0
paddlepaddle: >=1.8.2, <2.0
LAC: >=0.1.4

安装命令主要是官网，(比如)包括：

conda install paddlepaddle==2.3.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/pip3 install lac -i https://mirror.baidu.com/pypi/simple #(可能需要sudo安装)pip3 install ddparser

注：有人提到版本不匹配的问题，我没有遇到相应的情况。如果有童鞋存在相应问题，推荐学习。

接下来，我们可以在python命令中调取并使用DDParser进行中文的解析。这里的解析，可以是纯粹的原始未分割的字符串，也可以是分割后的单词列表。

from ddparser import DDParser
ddp = DDParser()
str = &＃39;2020年美国制裁打压导致荣耀手机从华为剥离，此后荣耀将会以竞争对手的形 式出现在移动市场&＃39;
result = ddp.parse(str)
print(result)得到如下信息：
[{&＃39;word&＃39;: [&＃39;2020年&＃39;, &＃39;美国&＃39;, &＃39;制裁&＃39;, &＃39;打压&＃39;, &＃39;导致&＃39;, &＃39;荣耀&＃39;, &＃39;手机&＃39;, &＃39;从&＃39;, &＃39;华为&＃39;, &＃39;剥离&＃39;, &＃39;，&＃39;, &＃39;此后&＃39;, &＃39;荣耀&＃39;, &＃39;将会&＃39;, &＃39;以&＃39;, &＃39;竞争对手&＃39;, &＃39;的&＃39;, &＃39;形式&＃39;, &＃39;出现&＃39;, &＃39;在&＃39;, &＃39;移动&＃39;, &＃39;市场&＃39;], &＃39;head&＃39;: [5, 3, 5, 3, 0, 7, 10, 9, 10, 5, 5, 19, 19, 19, 19, 18, 16, 15, 5, 19, 22, 20], &＃39;deprel&＃39;: [&＃39;ADV&＃39;, &＃39;ATT&＃39;, &＃39;SBV&＃39;, &＃39;COO&＃39;, &＃39;HED&＃39;, &＃39;ATT&＃39;, &＃39;SBV&＃39;, &＃39;ADV&＃39;, &＃39;ADV&＃39;, &＃39;VOB&＃39;, &＃39;MT&＃39;, &＃39;ADV&＃39;, &＃39;SBV&＃39;, &＃39;ADV&＃39;, &＃39;ADV&＃39;, &＃39;ATT&＃39;, &＃39;MT&＃39;, &＃39;POB&＃39;, &＃39;IC&＃39;, &＃39;CMP&＃39;, &＃39;ATT&＃39;, &＃39;POB&＃39;]}]

(二) 可视化

虽然我们获取了解析的结果，但是结果过于抽象。因此，我们还是希望能够把结果形式化展现出来。那么，这个时候，其实有多种不同的方法。我们来介绍其中的两种。

1)CoNLL-X format格式输出＋外部展示：

关于如何对结果进行CoNLL-X format格式输出，网上有多种不同的思路。有的简单，有的复杂，还有的不可行。我在这里，直接对DDParser安装包的源码进行了修改，具体为：在&＃39;/home/XXX/anaconda3/envs/paddlepaddle/lib/python3.7/site-packages/ddparser/run.py&＃39;文件的DDParser类对象的parse()（以及parse_seg()）函数return outputs之前，添加print(predicts)，将CoNLL-X format格式输出。输出内容可见：

1 2020年 2020年 - - - 5 ADV - -
2 美国 美国 - - - 3 ATT - -
3 制裁 制裁 - - - 5 SBV - -
4 打压 打压 - - - 3 COO - -
5 导致 导致 - - - 0 HED - -
6 荣耀 荣耀 - - - 7 ATT - -
7 手机 手机 - - - 10 SBV - -
8 从 从 - - - 9 ADV - -
9 华为 华为 - - - 10 ADV - -
10 剥离 剥离 - - - 5 VOB - -
11 ， ， - - - 5 MT - -
12 此后 此后 - - - 19 ADV - -
13 荣耀 荣耀 - - - 19 SBV - -
14 将会 将会 - - - 19 ADV - -
15 以 以 - - - 19 ADV - -
16 竞争对手 竞争对手 - - - 18 ATT - -
17 的 的 - - - 16 MT - -
18 形式 形式 - - - 15 POB - -
19 出现 出现 - - - 5 IC - -
20 在 在 - - - 19 CMP - -
21 移动 移动 - - - 22 ATT - -
22 市场 市场 - - - 20 POB - -


接着，我们送入外部网站生成依存解析图。这些网站包括conllu.js和Dependency Tree Visualization等。以下为相应的依存图：

2)源码内部修改

自动化的可视化展示，其实也可以。但是需要重新配置和安装PaddleHub，这无形中增大了工作量和产生不必要的麻烦。程序员，总是想法用自动化去减少麻烦。因此，我结合PaddleHub，修改了run.py文件，将可视化代码融入到run.py中，这样就能直接用了。具体的修改方案为:

a)下载你想要的输出字体，这里我下载的是思源。并将其放入某个地址 &＃39;YYY/SourceHanSansCN-Regular.otf&＃39;

b)将PaddleHub中的可视化函数visualize()，添加到run.py的DDParser类中，并在cv2.imwrite()中设置图片保存地址。（记得import相应的依存库）

c) 在DDParser类的parse()以及parse_seg()中调用visualize()，将return的结果outputs送入visualize()

注意：outputs是一个字典的列表，而visualize()接受一个字典并使用字典的部分键值。因此，需要将outputs的元素依次送入visualize()。

outputs = [{&＃39;word&＃39;: list[str],　&＃39;head&＃39;: list[int],　&＃39;deprel&＃39;: list[str]}, {},...]visualize(outputs[i])

修改后的run.py代码，此处可见。

参考文献：

https://gitee.com/baidu/DDParser

百度DDParser的依存分析_Dawn_www的博客-CSDN博客_ddparser