Закодировать структуру деревьев разбора

Question

Я работаю над набором данных классификации настроений Стэнфорда и пытаюсь понять эти два файла STree.txt и SOStr.txt, которые кодируют три разбора каждого предложения.

Как я могу декодировать, например, этот анализ три?

 Effective|but|too-tepid|biopic

 6|6|5|5|7|7|0

файл README говорит, что:

4. SOStr.txt и STree.txt кодируют структуру деревьев разбора. STree кодирует деревья в формате родительского указателя. Каждая строка соответствует каждому предложению в файле datasetSentences.txt

есть парсер, который конвертирует предложение в этот формат? как я могу расшифровать этот анализ три?

я печатаю дерево постоянных участников предыдущего предложения с помощью этого скрипта на python:

 with open( 'parents.txt') as parentsfile,\
  open( 'sents.txt') as toksfile:
       parents=[]
       toks =[]
       const_trees =[]
       for line in parentsfile:
           parents.append(map(int, line.split()))      
       for line in toksfile:
           toks.append(line.strip().split())
       for i in xrange(len(toks)):
           const_trees.append(load_constituency_tree(parents[i], toks[i]))

           #print (const_trees[i].left.word)
           attrs = vars(const_trees[i])
           print ', '.join("%s: %s" % item for item in attrs.items())

           attrs = vars(const_trees[i].right)
           print ', '.join("%s: %s" % item for item in attrs.items())

           attrs = vars(const_trees[i].left)
           print ', '.join("%s: %s" % item for item in attrs.items()) 

           attrs = vars(const_trees[i].right.right)
           print ', '.join("%s: %s" % item for item in attrs.items())

           attrs = vars(const_trees[i].right.left)
           print ', '.join("%s: %s" % item for item in attrs.items())

           attrs = vars(const_trees[i].left.left)
           print ', '.join("%s: %s" % item for item in attrs.items())

           attrs = vars(const_trees[i].left.right)
           print ', '.join("%s: %s" % item for item in attrs.items()) 

           break

и я понимаю, что дерево для первого предложения следующее:

                              6
                              |
                +-------------+------------+
                |                          |
                5                          4
      +---------+---------+      +---------+---------+
      |                   |      |                   |
  Effective              but  too-tepid            biopic

Как описано в этом посте, нетерминальные являются типами фраз, но в этом представлении дерева это индексы, может быть, словарь типов фраз, мой вопрос: где этот словарь? Как я могу преобразовать это INT в типах фраз?

Мое решение: я не уверен, что это решение, но я записываю эту функцию для convet nltk PTree в соответствующий список родительских указателей:

# given the array returned by ptree.trepositions('postorder') of the nltk library i.e
# an array of tuple like this:
# [(0, 0), (0,), (1, 0, 0), (1, 0), (1, 1, 0), (1, 1, 1), (1, 1), (1,), ()]
# that describe the structure of a tree where each index of the array is the  index of a node in the tree in a postorder fashion
# return a list of parents for each node i.e [2, 9, 4, 8, 7, 7, 8, 9, 0] where 0 means that is the root.
# the previous array describe the structure for this tree
#             S
#  ___________|___
# |               VP
# |      _________|___
# NP    V             NP
# |     |          ___|____
# I  enjoyed      my     cookie


def make_parents_list(treepositions):
    parents = []
    for i in range(0,len(treepositions)):
        if len(treepositions[i])==0:
            parent = 0
            parents.append(parent)
        if len(treepositions[i])>0:
            parent_s = [j+1 for j in range(0,len(treepositions)) if ((j > i) and (len(treepositions[j]) == (len(treepositions[i])-1))) ]
            #print parent_s[0]
            parents.append(parent_s[0])
    return parents