NLTK（標註詞彙）

nltk.word_tokenize（text）：對指定的句子進行分詞，返回單詞列表。

nltk.pos_tag(words)：對指定的單詞列表進行詞性標記，返回標記列表。

import nltk

words = nltk.word_tokenize('and now for something completely different')
print(words)
word_tag = nltk.pos_tag(words)
print(word_tag)

['and', 'now', 'for', 'something', 'completely', 'different']

[('and', 'cc'), ('now', 'rb'), ('for', 'in'), ('something', 'nn'), ('completely', 'rb'), ('different', 'jj')]

str2tuple(s, sep='/')

given the
string representation of
a tagged token, return
the corresponding tuple representation. the rightmost occurrence of
*sep* in *s* will be used to
divide *s* into
aword
string
anda tag string. if *sep* does not occur in *s*, return (s, none).
from nltk.tag.util import str2tuple
str2tuple('fly/nn')
('fly', 'nn')
:type s: str
:param s: the string representation of
a tagged token.
:type sep: str
:param sep: the separator string used to separate word strings
from tags.

預設sep=』/』

t = nltk.str2tuple('fly~abc',sep='~')

tout[26]: ('fly', 'abc')

t = nltk.str2tuple('fly/abc')

tout[28]: ('fly', 'abc')

from nltk.corpus import brown

words_tag = brown.tagged_words(categories='news')
print(words_tag[:10])

[('the', 'at'), ('fulton', 'np-tl'), ('county', 'nn-tl'), ('grand', 'jj-tl'), ('jury', 'nn-tl'), ('said', 'vbd'), ('friday', 'nr'), ('an', 'at'), ('investigation', 'nn'), ('of', 'in')]

words_tag = brown.tagged_words(categories='news',tagset = 'universal')

print(words_tag[:10])

[('the', 'det'), ('fulton', 'noun'), ('county', 'noun'), ('grand', 'adj'), ('jury', 'noun'), ('said', 'verb'), ('friday', 'noun'), ('an', 'det'), ('investigation', 'noun'), ('of', 'adp')]

categorizedtaggedcorpusreader::tagged_words(fileids, categories)：該方法接受文字標識或者類別標識作為引數，返回這些文字被標註詞性後的單詞列表。

categorizedtaggedcorpusreader::tagged_sents(fileids, categories)：該方法接受文字標識或者類別標識作為引數，返回這些文字被標註詞性後的句子列表，句子為單詞列表。

tagged_sents = brown.tagged_sents(categories='news')

print(tagged_sents)

[[('the', 'at'), ... ('.', '.')], 

[('the', 'at'), ...('jury', 'nn').. ],
...]

NLTK詞性標註編碼含義

1.cc coordinating conjunction 連線詞 2.cd cardinal number 基數詞 3.dt determiner 限定詞 如this,that,these,those,such，不定限定詞 no,some,any,each,every,enough,either,...

NLTK之詞性 POS 標註

詞性 pos 目前最先進的詞性標註演算法在 給定單詞的詞性上已經有了較高的精確度 約97 但詞性標註領域中仍有大量的研究等著我們。pos標記器 n gram標註器 正規表示式標註器 最大熵分類器 mec 隱性馬爾可夫模型 hmm 條件隨機場 crf import nltk from nltk imp...

NLTK中文詞性自動標註

學習自然語言處理，一定會參考nltk,主要是學習它的思路,從設計地角度看看能做什麼.其本質就是把語言看成字串，字串組，字串集，尋找其間規律 nltk是多語言支援的,但目前網上的例程幾乎沒有用nltk處理中文的，其實可以做。比如標註功能,它自身提供了帶標註的中文語庫 繁體語料庫sinica treeb...