首先在了解句法分析，我们先来思考一个问题：人是怎样理解一个句子的？
1、从语法的角度（主谓宾）
2、从感觉的角度（语言模型）
所以句法分析理解起来很简单，就是从语法的角度分析每个词之间的关系，在一句话中那个词是主语，那个词是谓语，等等而且用树的形式来表示。
假设现在有一句话：
北京是属于中国的
那么用句法分析后就是下图的样子：
叶子节点是单词，其他节点就是对应的词性，那么构建这样的语法树有什么用呢？
用在特征工程上，我们利用这样的一个句法树对于在对每个数据时我们可以考虑：
1、最短路径
2、两词之间的符号
那么一个句法树是怎样构成的呢？首先我们得有语法Grammers如下图：
那么语法是怎么形成的呢？其实语法是由语言学的专家根据多年的经验写出来的。咱们知道怎么用就可以啦
其实我们可以利用语法树进行翻译
在这些环节中我们需要知道：
中文语法，英文语法和中文转英文的语法。
这是比较消耗人力成本的，所以现在一般都是用seq2seq模型来做的。
我们一般成这种语法为CFG，但是在使用的时候我们一般都是用PCFG，也就是在每个语法后面标注使用这个语法的概率：
那么我们怎么才能找到最优的句法树呢？
1、枚举所有的句法树。一一计算找到score最大的那棵树
缺点：计算量太大，指数级增长
2、使用CKY算法
CKY算法指的是将一个大的问题转换成子问题来进行操作（DP）算法的思想
也就是将计算 ( w 1 , w 2 , w 3 . . . w n ) (w_1,w_2,w_3...w_n) (w1,w2,w3...wn)转换成计算 ( ( w 1 ) , ( w 2 , w 3 . . . w n ) ) ((w_1),(w_2,w_3...w_n)) ((w1),(w2,w3...wn))每次比较当前语法与剩余语法的语法大小。动态规划的思想
现在我们知道cky算法的核心是大的问题转换成子问题进行两两比较，这个时候我们也要对我们的语法进行一些转换，保证它能够符合CKY算法
我们的CKY算法主要是两两之间进行比较，也就是一个语法最多有两个分支，像
V
P
→
N
P
,
V
,
P
P
VP\rightarrow NP,V,PP
VP→NP,V,PP这样的我们尝试把它转换成两个分支的形式，说到这里我提一点CNF的形式，
CNF是指的只允许右面有两个，其他条件是不允许的，如果出现两个以外的形式我们必须将其转换，如上图语法，还出现了 N P → e NP\rightarrow e NP→e和 V P → N VP\rightarrow N VP→N的形式。下面我们来转换一下：
第一步去掉
N
P
→
e
N P\rightarrow e
NP→e：
如上图我们去掉
N
P
→
e
NP\rightarrow e
NP→e相当于把 NP
为
空
代
入
规
则
中
，
这
样
会
多
出
几
条
规
则
（
去
掉
N
P
时
的
规
则
）
如
上
图
同
时
又
可
以
将
N
P
→
e
为空代入规则中，这样会多出几条规则（去掉NP时的规则）如上图同时又可以将NP\rightarrow e
为空代入规则中，这样会多出几条规则（去掉NP时的规则）如上图同时又可以将NP→e去掉
下一步我们去掉
V
P
→
N
VP\rightarrow N
VP→N这种右边为1个的形式：
如上图我们去掉
S
→
V
P
S\rightarrow VP
S→VP设置几个新的规则就是把VP指向的规则换成S，然后就可以去掉
S
→
V
P
S\rightarrow VP
S→VP
还有一种比较特殊的情况：
V
P
→
V
VP\rightarrow V
VP→V也就是指向某个词的时候
同样的道理，如上图我们去掉
V
P
→
V
VP\rightarrow V
VP→V设置几个新的规则就是把VP指向的规则换成V，然后就可以去掉
V
P
→
V
VP\rightarrow V
VP→V
就这样循序删掉所有的右边只有一个的规则
最后删除
V
P
→
N
P
,
V
,
P
P
VP\rightarrow NP,V,PP
VP→NP,V,PP这种形式：
遇到这种情况我们就合并一个规则比如
V
P
→
N
P
,
V
,
P
P
VP\rightarrow NP,V,PP\quad
VP→NP,V,PP转化为：
V
P
→
N
P
,
@
V
P
p
VP\rightarrow NP,@VP_p\quad
VP→NP,@VPp和
@
V
P
p
→
V
,
P
P
\quad @VP_p\rightarrow V,PP
@VPp→V,PP
当然CKY算法没有这么严格，它只要保证最多只有两个分支
每次计算都是两两之间进行计算选择最好的那个，并根据语法树的规则连续乘积