成分句法分析（Constituency Parsing）是什麼？

自然語言處理句法分析

術語快查

搜尋意圖： 如果你在找「成分句法分析是什麼」或「成分句法分析和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。

TL;DR： 將句子分解為層級詞組結構，建構樹形解析樹以顯示詞語與詞組的組成與支配關係。

實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。

下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。

將句子分解為層級詞組結構，建構樹形解析樹以顯示詞語與詞組的組成與支配關係。

成分句法分析（Constituency Parsing）是將自然語言句子分解為層級成分的過程，是理解句子語法結構的經典方法。

基本概念

成分與詞組（Constituents & Phrases）

成分指能作為一個單位被移動、替代或刪除的詞語或詞組。例如「那個在山頂上的紅房子」可作為單個成分被替代為「它」，顯示這整個短語是一個成分。

常見詞組類型（按詞性表示）：

NP（名詞短語）："the quick brown fox"
VP（動詞短語）："saw the cat"
AP（形容詞短語）："very happy"
PP（介詞短語）："in the house"
S（句子）：完整的主謂結構

解析樹（Parse Tree）

S（句子）為根，逐層分解：

         S
       / | \
      NP VP NP
     /|   \  |
    Det N  V Det N
    |  |  |  |  |
   The cat saw a mouse

詞性標註（Part-of-Speech Tagging）與基礎成分

成分分析依賴準確的詞性標籤（名詞、動詞、形容詞等），現代系統多併行進行。

分析方法的演進

文法規則導向（1960-1990） 手工撰寫上下文無關文法（CFG）規則，精度高但規則爆炸、維護困難。
概率上下文無關文法（PCFG, 1990-2010） 為每條文法規則賦予機率，使用 CKY（Cocke-Kasami-Younger）演算法進行最大機率分析。

優點：訓練簡單，計算高效
缺點：無法精確捕捉長距離依賴、詞彙選擇的條件機率

詞典化 PCFG（Lexicalized PCFG, 2000-2010） Klein & Manning 等引入詞彙條件，改進機率估計，但計算複雜度上升。
神經網路分析器（2015 年後）

轉移系統分析器（Transition-Based）：貪心地進行 shift、left-arc、right-arc 操作逐步構造解析樹。特點是高效但可能錯過全局最優。
圖分析器（Graph-Based）：計算所有可能樹的分數，選擇最高分者，保證全局最優但計算耗時。
基於 Span 的分析器：直接預測每個跨度（span）是否為成分及其標籤，無需約束樹結構，計算簡便。

Transformer 時代（2019 至今） BERT、GPT 等預訓練模型提供強大的上下文表徵，結合簡單解碼層（如雙仿射分類器預測跨度成分性）。

重要特性

覆蓋性與分析歧義

多數句子在不同分析方法下有多個合法解析樹。例如「I saw the man with the telescope"：

讀法 1：（我用望遠鏡看那個人）
讀法 2：（我看那個拿著望遠鏡的人）

處理方法：（1）返回概率最高的單一分析；（2）返回 k-best 解析；（3）建造分析森林（packed forest）隱式表示所有解析。

評估指標

Unlabeled Recall / Precision：忽略詞組標籤，只判斷邊界正確性
Labeled Recall / Precision：同時考慮標籤
括號交叉率（Crossing Brackets）：預測樹與黃金樹的結構衝突數
現代最佳模型在 PTB（Penn Treebank）標準測試集上達 96%+ F1

應用場景

語法檢查與語言教育 識別句子的語法結構，檢測違反文法規則的成分組合。
文本簡化與改寫 分析複雜句結構，識別可簡化或重組的成分（如從句）。
機器翻譯 源語言的成分結構可指導譯文的詞序與成分組合。
語義角色標注（SRL） 成分結構幫助定位論元邊界與層級關係。
信息擷取與文件理解 識別主句與從句，提取關鍵成分。
風格與可讀性分析 較複雜的成分結構（深樹、長成分）通常對應更複雜的句式。

成分分析 vs. 依存分析

特性	成分分析	依存分析
節點	詞組與詞語	詞語
邊	成分支配	修飾與依存
層級	多層（詞→小短語→大短語→句）	扁平（單層詞語依存）
直觀性	符合文法教學，易於人工檢驗	對語義應用更直觀
計算複雜度	通常較高（指數級）	通常較低（多項式級）

當代挑戰

長句與複雜結構 Tree 深度增加導致分析難度指數上升；深層變壓器模型的長序列注意力也面臨性能下降。
跨語言標準不一 不同語言的成分結構習慣差異大，難以建立通用標準。中文的分析標準與英文差異顯著。
領域與風格適應 新聞語料與社群媒體文本的成分分析模型準度差異大，領域遷移需額外微調。
稀有現象處理 協調結構（coordination）、省略、非標準文法等邊界案例仍是難題。

實踐建議

對於應用，評估是否需要完整成分樹（資訊擷取、風格分析）還是依存結構（SRL、翻譯）足夠。
使用預訓練模型的成分分析往往足夠（spaCy、Stanford CoreNLP、Berkeley Neural Parser），除非領域特性特殊。
進行人工評審時，重點檢查長成分、協調結構、從句邊界等易錯項。
iPAS 考試中，成分分析通常在理解複雜句式、教育應用等場景出現，掌握基本分析方法有助於解題。

常見問題

什麼時候用成分分析，什麼時候用依存分析？

成分分析適合需要詞組層級理解的任務：語法檢查、教育應用、風格分析。依存分析適合語義應用：資訊擷取、語義角色標注、語義相似度。在實踐中，兩者可互相轉換（自動化程度有限），選擇應基於應用的具體需求與現有工具支援。

為什麼成分分析計算成本比依存分析高？

成分分析的搜索空間是指數級（Catalan 數），一個 n 詞句子有 O(4^n/n^1.5) 種可能樹；依存分析搜索空間是多項式級，只需 O(n²) 邊。現代神經分析器使用動態規劃與束搜索（beam search）降低計算，但理論複雜度仍是基本限制。

新預訓練模型怎樣改善了成分分析？

BERT 等模型提供高質量上下文表徵，減少了對手工特徵工程的依賴；Span-based 分析器利用這些表徵直接預測成分，無需複雜的樹搜索，既提升準度又降低計算成本。此外，多任務預訓練（如同時學習成分與依存分析）進一步提升性能。