如何使用 NLTK 从归纳语法生成句子？

我有一个（大）解析句子列表（使用斯坦福解析器解析），例如，句子“现在你可以娱乐了”有以下树：

(ROOT
  (S
    (ADVP (RB Now))
    (, ,)
    (NP (PRP you))
    (VP (MD can)
      (VP (VB be)
        (VP (VBN entertained))))
    (. .)))

我正在使用一组句子树来使用 nltk 归纳语法：

import nltk

# ... for each sentence tree t, add its production to allProductions
allProductions += t.productions()

# Induce the grammar
S = nltk.Nonterminal('S')
grammar = nltk.induce_pcfg(S, allProductions)

现在我想用grammar生成新的随机句子。我的希望是，由于语法是从一组特定的输入示例中学习的，因此生成的句子在语义上将相似。我可以在 nltk 中执行此操作吗？

如果我不能使用 nltk 来执行此操作，是否存在任何其他工具可以接受（可能重新格式化）grammar并生成句子？

在NLTK 2.0中你可以使用nltk.parse.generate生成all可能的给定语法的句子 http://nltk.org/_modules/nltk/parse/generate.html.

此代码定义了一个函数，该函数应根据 (P)CFG 中的产生式规则生成单个句子。

# This example uses choice to choose from possible expansions
from random import choice
# This function is based on _generate_all() in nltk.parse.generate
# It therefore assumes the same import environment otherwise.
def generate_sample(grammar, items=["S"]):
    frags = []
    if len(items) == 1:
        if isinstance(items[0], Nonterminal):
            for prod in grammar.productions(lhs=items[0]):
                frags.append(generate_sample(grammar, prod.rhs()))
        else:
            frags.append(items[0])
    else:
        # This is where we need to make our changes
        chosen_expansion = choice(items)
        frags.append(generate_sample,chosen_expansion)
    return frags

为了利用 PCFG 中的权重，您显然需要使用比choice()，它隐含地假设当前节点的所有扩展都是等概率的。