Fundamentos del análisis de dependencias

Las etiquetas POS indican la función de cada palabra, pero no cómo se conectan. El análisis de dependencias revela de qué palabra depende cada una y crea un mapa de la oración. 🔗

Un analizador organiza las palabras en un árbol. Una palabra se convierte en la raíz y todas las demás cuelgan de ella mediante un enlace etiquetado.

La root suele ser el verbo principal que estructura la oración. En The cat chased the mouse, la raíz es chased.

Cada palabra tiene una head, la palabra a la que se conecta. Las palabras conectadas a ella son sus hijos y forman las ramas del árbol.

Cada enlace tiene una etiqueta: la relación de dependencia. Un sujeto se etiqueta como nsubj, mientras que un objeto directo se etiqueta como dobj.

El mismo modelo que etiqueta las palabras también las analiza. Después de nlp(), cada token ya contiene su información de dependencias, lista para consultarse.

Use token.dep_ para consultar la relación y token.head para consultar la palabra a la que se conecta. Juntos describen la posición del token en el árbol.

Para obtener quién realiza la acción, busque el token cuyo dep_ sea igual a nsubj. Esa palabra es el sujeto gramatical del verbo.

¿No está seguro de qué significa una etiqueta? Pásela a spacy.explain() para obtener una descripción clara, igual que hizo con las etiquetas POS.

Represente el análisis con displacy. Establezca el estilo en dep y dibujará flechas etiquetadas desde cada cabeza hasta sus hijos.

Las dependencias revelan el significado real, por ejemplo, al vincular una acción con quien la realiza y con su objetivo. Esta estructura permite extraer información, realizar búsquedas y responder preguntas.

Ha visto las oraciones como árboles de heads e hijos, ha leído dep_ en spaCy y ha dibujado el análisis con displacy. Ahora puede representar cómo se relacionan las palabras. 🎉