前文传送门：
依存句法分析(Dependency Parsing, DP) 是通过分析语言单位内成分之间的依存关系揭示其句法结构。依存句法通过分析语言单位内成分之前的依存关系解释其句法结构，主张句子中核心动词是支配其他成分的中心成分。而它本身却不受其他任何成分的支配，所有受支配成分都以某种关系从属于支配者。依存语法的结构没有非终结点，词与词之间直接发生依存关系，构成一个依存对，其中一个是核心词，也叫支配词，另一个叫修饰词，也叫从属词。依存关系用一个有向弧表示，叫做依存弧。依存弧的方向为由从属词指向支配词，当然反过来也是可以的，按个人习惯统一表示即可。
依存句法分析的五个条件：
（1）一个句子中只有一个成分是独立的
（2）句子的其他成分都从属于某一成分
（3）任何一个成分都不能依存于两个或两个以上的成分
（4）如果成分A直接从属成分B，而成分C在句子中位于A和B之间，那么，成分C或者从属于A，或者从属于B，或者从属于A和B之间的某一成分
（5）中心成分左右两边的其他成分相互不发生关系
举个例子：
依存句法可以用一棵依存关系树来表示, 如图 1 例子所示, 在“全国人民共同关心汶川"这句话中, 每个词都依存于一个其他的词, 其中"关心"是句子的根节点依存于虚根( ROOT ) 。依存关系也标注在图上, 例如: "全国"依存于"人民", 依存关系为定中关系; "人民"依存于"关心", 依存关系为主谓关系。
在网上找到一张图：
我们加载StanfordDependencyParser来进行依存句法分析：
#英文依存句法分析
from nltk.parse.stanford import StanfordDependencyParser
eng_parser = StanfordDependencyParser(r"C:\Users\Dell\Downloads\stanford-parser-full-2018-10-17\stanford-parser.jar",r"C:\Users\Dell\Downloads\stanford-parser-full-2018-10-17\stanford-parser-3.9.2-models.jar",r"F:\stanford-parser-3.9.2-models\edu\stanford\nlp\models\lexparser\englishPCFG.ser.gz")
res = list(eng_parser.parse("the quick brown fox jumps over the lazy dog".split()))
for row in res[0].triples():
print(row)
#中文依存句法分析
from nltk.parse.stanford import StanfordDependencyParser
chi_parser = StanfordDependencyParser(r"C:\Users\Dell\Downloads\stanford-parser-full-2018-10-17\stanford-parser.jar",r"C:\Users\Dell\Downloads\stanford-parser-full-2018-10-17\stanford-parser-3.9.2-models.jar",r"F:\stanford-parser-3.9.2-models\edu\stanford\nlp\models\lexparser\chinesePCFG.ser.gz")
res = list(chi_parser.parse(u'关注 数据科学杂谈 公众号 从零开始 学习 自然语言处理'.split()))
for row in res[0].triples():
print(row)
附上相关的解释：
ROOT：要处理文本的语句
IP：简单从句
NP：名词短语
VP：动词短语
PU：断句符，通常是句号、问号、感叹号等标点符号
LCP：方位词短语
PP：介词短语
CP：由‘的’构成的表示修饰性关系的短语
DNP：由‘的’构成的表示所属关系的短语
ADVP：副词短语
ADJP：形容词短语
DP：限定词短语
QP：量词短语
NN：常用名词
NR：固有名词
NT：时间名词
PN：代词
VV：动词
VC：是
CC：表示连词
VE：有
VA：表语形容词
AS：内容标记（如：了）
VRD：动补复合词
CD: 表示基数词
DT: determiner 表示限定词
EX: existential there 存在句
FW: foreign word 外来词
IN: preposition or conjunction, subordinating 介词或从属连词
JJ: adjective or numeral, ordinal 形容词或序数词
JJR: adjective, comparative 形容词比较级
JJS: adjective, superlative 形容词最高级
LS: list item marker 列表标识
MD: modal auxiliary 情态助动词
PDT: pre-determiner 前位限定词
POS: genitive marker 所有格标记
PRP: pronoun, personal 人称代词
RB: adverb 副词
RBR: adverb, comparative 副词比较级
RBS: adverb, superlative 副词最高级
RP: particle 小品词
SYM: symbol 符号
TO:”to” as preposition or infinitive marker 作为介词或不定式标记
WDT: WH-determiner WH限定词
WP: WH-pronoun WH代词
WP$: WH-pronoun, possessive WH所有格代词
WRB:Wh-adverb WH副词
关系表示
abbrev: abbreviation modifier，缩写
acomp: adjectival complement，形容词的补充；
advcl : adverbial clause modifier，状语从句修饰词
advmod: adverbial modifier状语
agent: agent，代理，一般有by的时候会出现这个
amod: adjectival modifier形容词
appos: appositional modifier,同位词
attr: attributive，属性
aux: auxiliary，非主要动词和助词，如BE,HAVE SHOULD/COULD等到
auxpass: passive auxiliary 被动词
cc: coordination，并列关系，一般取第一个词
ccomp: clausal complement从句补充
complm: complementizer，引导从句的词好重聚中的主要动词
conj : conjunct，连接两个并列的词。
cop: copula。系动词（如be,seem,appear等），（命题主词与谓词间的）连系
csubj : clausal subject，从主关系
csubjpass: clausal passive subject 主从被动关系
dep: dependent依赖关系
det: determiner决定词，如冠词等
dobj : direct object直接宾语
expl: expletive，主要是抓取there
infmod: infinitival modifier，动词不定式
iobj : indirect object，非直接宾语，也就是所以的间接宾语；
mark: marker，主要出现在有“that” or “whether”“because”, “when”,
mwe: multi-word expression，多个词的表示
neg: negation modifier否定词
nn: noun compound modifier名词组合形式
npadvmod: noun phrase as adverbial modifier名词作状语
nsubj : nominal subject，名词主语
nsubjpass: passive nominal subject，被动的名词主语
num: numeric modifier，数值修饰
number: element of compound number，组合数字
parataxis: parataxis: parataxis，并列关系
partmod: participial modifier动词形式的修饰
pcomp: prepositional complement，介词补充
pobj : object of a preposition，介词的宾语
poss: possession modifier，所有形式，所有格，所属
possessive: possessive modifier，这个表示所有者和那个’S的关系
preconj : preconjunct，常常是出现在 “either”, “both”, “neither”的情况下
predet: predeterminer，前缀决定，常常是表示所有
prep: prepositional modifier
prepc: prepositional clausal modifier
prt: phrasal verb particle，动词短语
punct: punctuation，这个很少见，但是保留下来了，结果当中不会出现这个
purpcl : purpose clause modifier，目的从句
quantmod: quantifier phrase modifier，数量短语
rcmod: relative clause modifier相关关系
ref : referent，指示物，指代
rel : relative
root: root，最重要的词，从它开始，根节点
tmod: temporal modifier
xcomp: open clausal complement
xsubj : controlling subject 掌控者
由于本人没找到NLTK绘制依存句法分析的结果可视化，使用HanLP来实现，HanLP也是一款优秀的NLP处理库，安装方式为：
pip install pyhanlp
使用如下代码：
from pyhanlp import HanLP
para_sen = "关注数据科学杂谈公众号，从零开始学习自然语言处理。"
sentence = HanLP.parseDependency(para_sen)
print(sentence)
# 输出依存文法的结果 txt文件，在windows系统下的 Dependency Viewer.exe 打开文件
path = "F:/text_return.txt"
with open(path, "w", encoding='utf-8') as f:
f.write(str(sentence))
print("path:%s" % (path))
如果不出意外，会抛出异常：
#ValueError: 配置错误: 数据包 D:/Anaconda3/lib/site-packages/pyhanlp/static\data 不存在，请修改配置文件中的root
此时提示缺少相关data文件夹，从http://nlp.hankcs.com/download.php?file=data下载，如果速度过慢，可以关注公众号“数据科学杂谈”，回复“依存”，获取资料。下载后解压出的data文件夹，放在D:/Anaconda3/lib/site-packages/pyhanlp/static路径下，如下图：
然后运行代码出现以下结果：
然后根据上面的代码，会生成一个txt文件在我的F盘
之后我们需要借助可视化工具：DependencyViewer如果自己不想去找软件，可以关注公众号“数据科学杂谈”，回复“依存”，获取软件。安装完软件之后，打开软件，点击File -> Read Conll File，然后打开上面代码生成的txt，如下图：
即可获取到依存句法分析可视化：
扫码下图关注我们不会让你失望！
