请问语义分析返回的语义图是否应该为有向无环图?

去年用HanLP做发票货物劳务名称识别的研究,当时就发现有些短语作语义分析返回的语义图中有环路,印象中看过一些资料说语义图应该是有向无环图,比如下面这个短语,分词后返回的语义图中就包含环路,这是Linux 虚拟主机上的hanlp[full] 2.1.0b27,用了自定义词典:
汤臣倍健番茄红素维生素E软胶囊
NLP技术我是小白,只是想先学会用,bbs中搜过没有找到答案就问一下,请大家见谅。
语义图

这是最近刚部署的线上演示例子,不过有环路的语义图都因触发Exception而替换成语法树了。谢谢回复!

你所说的语义图如果指的是语义依存图的话,按照CSDP的定义,分析结果不允许环。逻辑上可能出现环的地方(比如指代关系是相互的)都用r(反关系)刻意避免了。实现的时候,2.0的TF模型没有施加无环的约束,2.1系列pytorch模型施加了一对节点的无环约束,但是多个节点仍然可能小概率地出现环。推荐用新模型。

谢谢小何博士的回复。
是的,我指的是CSDP语义依存图,请问上面文档中列举的都是2.1 pytorch模型吗?
2.0TF模型在你的帮助下已经解决了GPU并行的问题,2.1pytorch模型有GPU并行的例子可资参考吗?

type一下加载的模型,根据类型是否含有TF字样判断。

文档。

好的,去年开发的发票货物劳务名称识别落地应用方案用tensorflow-gpu后端已经在HanLP 2.1上跑起来了,刚才试了一下PyTorch-GPU后端,并行的话直接传货物劳务名称列表进去就行了,比tensorflow-gpu后端更简单。我在个人的研究网站上部署了一个在线演示的例子,用R语言的Shiny平台封装了一下,然后再集成到Tomcat J2EE WEB APP中,可以去了解一下可能的具体行业落地应用。这个例子与另一个有向图可视化分析的例子一起,解决了发票大数据分析的瓶颈问题,自从有发票以来几十年间,这些问题都还没有有效的解决。
作为研究用途,个人觉得HanLP符合我的研究需求,是个优秀的国产软件,具体开发落地应用等不是我该管的事,也许你们可以努力去沟通争取一下。

感谢肯定,行业应用肯定是有广阔的市场。不过我个人也一样,主要做研究和开源。这些应用和商业落地,就是公司的事情了。