Python NLTK:如何使用简化的词性标签集来标记句子？
Python NLTK:如何使用简化的词性标签集来标记句子？
提问于 2011-04-26 16:19:15
Python NLTK book的第5章给出了在句子中标记单词的示例：
>>> text = nltk.word_tokenize("And now for something completely different")
>>> nltk.pos_tag(text)
[('And', 'CC'), ('now', 'RB'), ('for', 'IN'), ('something', 'NN'), ('completely', 'RB'), ('different', 'JJ')]nltk.pos_tag调用默认标记器，该标记器使用完整的标记集。在本章的后面部分，将介绍simplified set of tags。
如何使用这组简化的词性标记来标记句子？
另外，我是否正确理解了标记器，例如，我是否可以按照我的要求更改标记器使用的标记器集合，或者我是否应该将它返回的标签映射到简化的集合，或者我应该从新的简单标记语料库创建一个新的标记器？
回答 3
Stack Overflow用户
回答已采纳
发布于 2011-04-27 00:03:47
要简化默认标记器中的标记，可以使用nltk.tag.simplify.simplify_wsj_tag，如下所示：
>>> import nltk
>>> from nltk.tag.simplify import simplify_wsj_tag
>>> tagged_sent = nltk.pos_tag(tokens)
>>> simplified = [(word, simplify_wsj_tag(tag)) for word, tag in tagged_sent]Stack Overflow用户
发布于 2014-11-18 03:43:17
更新，以防任何人遇到同样的问题。NLTK后来升级到了一个“通用”的标记集，源here。标记好文本后，使用map_tag来简化标记。
import nltk
from nltk.tag import pos_tag, map_tag
text = nltk.word_tokenize("And now for something completely different")
posTagged = pos_tag(text)
simplifiedTags = [(word, map_tag('en-ptb', 'universal', tag)) for word, tag in posTagged]
print(simplifiedTags)
# [('And', u'CONJ'), ('now', u'ADV'), ('for', u'ADP'), ('something', u'NOUN'), ('completely', u'ADV'), ('different', u'ADJ')]Stack Overflow用户
发布于 2018-03-15 11:03:45
您只需在pos_tag方法中将标记集属性设置为“通用”即可。
In [39]: from nltk import word_tokenize, pos_tag
...:
...: text = word_tokenize("Here is a simple way of doing this")
...: tags = pos_tag(text, tagset='universal')
...: print(tags)
...:
[('Here', 'ADV'), ('is', 'VERB'), ('a', 'DET'), ('simple', 'ADJ'), ('way', 'NOUN'), ('of', 'ADP'), ('doing', 'VERB'), ('this', 'DET')]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/5787673
复制相关文章
相似问题
腾讯云开发者
