NLP语言学基础

　　不同的自然语言有不同的语法结构，因此需要对语言数据进行语法解析，才能让机器更准确地学到相应的模式。而语言不同于图像，数据标注工作需要有一定的语言学知识，因此数据的整理也相对更困难。下面以英语为例（别的咱也看不懂），对NLP研究中常见的基本语言学概念进行记录。

词性（Part Of Speech）

　　词性（Part Of Speech, POS）通常在初中就学过：名词、动词、形容词、副词等，这里不再赘述。由于同一个词有多种不同词性的可能，因此数据标注时对语句中各个词的词性的标注就十分重要，从而消除词性歧义。如：

　　There are many chairs in the room.

　　He chairs the weekly meeting.

　　两个chairs分别是名词和动词。以下是宾夕法尼亚大学定义的词性标签（Penn Treebank POS Tags），NLP数据集中常用于语句中词性的分类：

短语结构语法（Phrase Structure Grammar）

　　短语结构语法是一种重写规则，用于描述给定语言的句法，从而消除语法歧义。这是一种基于成分的语法（constituency-based），每次分解对应的词汇可以有多个（与下面的依赖语法不同）。一般来说，每个句子（Sentence, S）都能被分为主语（名词短语, Noun Phrase, NP）和谓语（动词短语, Verb Phrase, VP）。NP和VP则能被进一步分解更小的NP和VP，或最终分解为不可分解的某种性质的词汇。例子如下：

　　The children ate the cake.

依存语法（Dependency Grammar）

　　依存语法将句子每个词汇看做是互相依赖的关系，因此每次分解只对应一个词汇。具体分解方式先占个坑，以后再记录。