NLP句法分析小結
句法分析是自然語言處理（natural language processing, NLP）中的關鍵底層技術之一，其基本任務是確定句子的句法結構或者句子中詞彙之間的依存關係。
句法分析分為句法結構分析（syntactic structure parsing）和依存關係分析(dependency parsing)。以獲取整個句子的句法結構或者完全短語結構為目的的句法分析，被稱為成分結構分析（constituent structure parsing）或者短語結構分析（phrase structure parsing）；另外一種是以獲取區域性成分為目的的句法分析，被稱為依存分析（dependency parsing）。
如以下取自WSJ語料庫的句法結構樹示例：
目前的句法分析已經從句法結構分析轉向依存句法分析，一是因為通用資料集Treebank（Universal Dependencies treebanks）的發展，雖然該資料集的標註較為複雜，但是其標註結果可以用作多種任務（命名體識別或詞性標註）且作為不同任務的評估資料，因而得到越來越多的應用，二是句法結構分析的語法集是由固定的語法集組成，較為固定和呆板；三是依存句法分析樹標註簡單且parser準確率高。
本文將對學習中遇到的PCFG、Lexical PCFG及主流的依存句法分析方法—Transition-based Parsing（基於貪心決策動作拼裝句法樹）做一整理。 目錄：
1.PCFG
結合上下文無關文法（CFG）中最左派生規則(left-most derivations)和不同的rules概率，計算所有可能的樹結構概率，取最大值對應的樹作為該句子的句法分析結果。
(The key idea in probabilistic context-free grammars(PCFG) is to extend our definition to give a probability over possible derivations.)
對最左派生規則的每一步都新增概率，這樣整棵句法分析樹的概率就是所有這些“獨立”的概率的乘積。 
問題是如何尋找概率最大的句法分析樹結構？
1. 暴力搜尋（Brute-force method）
暴力搜尋Brute-force method(根據PCFG的rules，暴力計算不同句法結構的概率，選擇概率最高的句法分析樹作為結論)，缺陷在於隨著句子的增長，計算量指數增長: 
2.Lexical PCFG(基於詞典的PCFG)
首先考慮PCFG的缺陷：
1、在PCFG中，詞的選擇具有很強的獨立性假設，詞的選擇完全依賴於當前的詞性(POS)，而條件獨立於與其他所有句法樹上的結構(More formally, the choice of each word in the string is conditionally independent of the entire tree,once we have conditioned on the POS directly above the word)，而這正是很多歧義問題的原因。下例中，’IBM’的選擇僅僅與’NP’有關，而與其他樹上的結構完全無關。 
Lexicalized Context-Free
自下向上（bottom-up）的標記每條規則的head child，並新增到句法分析樹上，每條規則的head child採用啟發式自動選擇。 
3.Transition-based parsing(基於貪心決策動作的拼接句法樹)
首先介紹Arc-standard transition，動作體系的formal描述如下： 
