Извлечение троек SVO из предварительно обработанного текста

Может, что-то вроде этого могло бы сработать:

def iter_sentences(fn):
    with open(fn, 'r') as f:
         reader = csv.reader(f,delimiter='\t')
         sentence = []
         for row in reader:
             if not row:
                # Ignore blank lines.
                continue
             if row[0] == '1' and sentence:
                 # A new sentence started.
                 yield sentence
                 sentence = []
             sentence.append(row)
         # Last sentence.
         if sentence:
             yield sentence

def iter_triples(fn):
    for sentence in iter_sentences(fn):
        # Get all subjects and objects.
        subjects = [tok for tok in sentence if tok[-1] == 'su']
        objects = [tok for tok in sentence if tok[-1] == 'obj1']
        # Now try to map them: find pairs with a head in the same position.
        for obj in objects:
            for subj in subjects:
                # row[-2] is the position of the head.
                if subj[-2] == obj[-2]:
                    # Matching subj-obj pair found.
                    # Now get the verb (the head of both subj and obj).
                    # Its position is given in the second-to-last column.
                    position = int(subj[-2])
                    # Subtract 1, as the positions start counting at 1.
                    verb = sentence[position-1]
                    yield subj, verb, obj

for subj, verb, obj in iter_triples('romanfragment_frogged.tsv'):
    # Only print the surface forms.
    print(subj[1], verb[1], obj[1])

Краткое объяснение: iter_sentences перебирает предложения. Каждое предложение представляет собой вложенный список: это список токенов, а каждый токен - это сам список (содержащий номер строки, форму поверхности, лемму, POS, зависимость и т. Д.). Функция iter_triples перебирает тройки ‹подлежащее, глагол, объект›. Каждый элемент этих троек представляет собой токен (то есть снова список).

Последние три строки кода - это просто пример того, как использовать функцию iter_triples. Я не знаю, сколько и какой информации нужно от каждой тройки ...