SceneGraphParser - Python工具包，用于解析自然语言句子生成场景图

项目介绍: SceneGraphParser

SceneGraphParser（简称sng_parser）是一个用Python编写的工具包，旨在将自然语言中的句子解析为场景图，这些场景图是基于符号表示的图形结构。该项目受到了斯坦福场景图解析器的启发，不同的是，这个解析器是完全用Python语言开发的，拥有简便的用户界面和易于配置的设计。

项目特色

SceneGraphParser通过依赖解析方法，将句子解析为图形。这些图中的节点代表名词（并包括描述性的修饰词如定冠词或形容词），而边则表示名词之间的关系。需注意，该项目仍在开发中，所有的API可能会随时变动，开发者欢迎各种形式的反馈和帮助，尤其对于程序在解析异常或边缘情况时所遇到的问题。

项目用途

该工具是为了辅助研究在2019年计算机视觉与模式识别会议（CVPR）上口头报告的《统一视觉-语义嵌入：利用结构化意义表示连接视觉与语言》而开发的。论文合著者包括吴昊、毛嘉元、张宇峰、姜琬寗、李磊、孙伟伟和马维英。

软件安装

可以通过pip来安装SceneGraphParser。在安装后，由于此工具目前仅支持spaCy作为后端，需要下载相应的英文语言包。

pip install SceneGraphParser
python -m spacy download en  # 用于解析英文

使用示例

SceneGraphParser最简单的用法是使用parse函数。目前它支持spaCy作为后端。

import sng_parser
graph = sng_parser.parse('A woman is playing the piano in the room.')

解析后的场景图可以通过pprint模块进行输出：

from pprint import pprint
pprint(graph)

输出的场景图如下：

{'entities': [{'head': 'woman', 'lemma_head': 'woman', 'lemma_span': 'a woman', 'modifiers': [{'dep': 'det', 'lemma_span': 'a', 'span': 'A'}], 'span': 'A woman'},
              {'head': 'piano', 'lemma_head': 'piano', 'lemma_span': 'the piano', 'modifiers': [{'dep': 'det', 'lemma_span': 'the', 'span': 'the'}], 'span': 'the piano'},
              {'head': 'room', 'lemma_head': 'room', 'lemma_span': 'the room', 'modifiers': [{'dep': 'det', 'lemma_span': 'the', 'span': 'the'}], 'span': 'the room'}],
 'relations': [{'object': 1, 'relation': 'playing', 'subject': 0},
               {'object': 2, 'relation': 'in', 'subject': 0}]}

此外，还可以使用sng_parser提供的tprint函数对解析的图进行表格式的输出：

sng_parser.tprint(graph)

其输出为：

Entities:
+--------+-----------+-------------+
| Head   | Span      | Modifiers   |
|--------+-----------+-------------|
| woman  | a woman   | a           |
| piano  | the piano | the         |
| room   | the room  | the         |
+--------+-----------+-------------+
Relations:
+-----------+------------+----------+
| Subject   | Relation   | Object   |
|-----------+------------+----------|
| woman     | playing    | piano    |
| woman     | in         | room     |
+-----------+------------+----------+

自定义解析器

用户还可以自定义解析器的配置，针对不同的需求和后端进行调整：

import sng_parser
parser = sng_parser.Parser('spacy', model='en')
graph = parser.parse('A woman is playing the piano in the room.')

场景图的规范

本工具使用Python的dict和list来表示图结构。尽管这种灵活性可能带来一定的问题，但这种表示方法让Python项目更容易集成进来，而无需担心结果的序列化问题。

解析生成的场景图遵循以下规格：

{
  'entities': [  # 一组实体
    {
      'span': "名词短语的完整跨度",
      'lemma_span': "跨度的词元化版本",
      'head': "主名词",
      'lemma_head': "主名词的词元化版本",
      'modifiers': [
        {
          'dep': "依存类型",
          'span': "修饰词的跨度",
          'lemma_span': "跨度的词元化版本"
        },
        # 其他修饰词...
      ]
    },
    # 其他实体...
  ],

  'relations': [  # 一组关系
    {
      'subject': "主体的实体ID",
      'object': "客体的实体ID",
      'relation': "关系"
    }
    # 其他关系...
  ]
}