#from nltk.book import *; #匯入ntlk包中book中的所有的例子模型
#print(text1); #輸出book中text1的相關資訊
#text1.concordance("monstrous"); #在text1中找到特定單詞並顯示出上下文
#print("monstrous in text1 similar to");
#text1.similar("monstrous"); #在text1找到用法、意義與該單詞相似的詞
#print();
#print("monstrous in text2 similar to");
#text2.similar("monstrous"); #在text2找到用法、意義與該單詞相似的詞
#print();
#text2.common_contexts(["monstrous", "very"]); #在text2找到用法、意義與該單詞集合相似的詞
#print();
#print(len(text3)); #顯示text3長度
#print();
#print(sorted(set(text3))); #篩選出text3中所有單詞和字元（不重複）並按照字母順序排序
#print(len(set(text3))); #測定text3中出現的單詞和字元數（不重複）
'''from __future__ import division;
from nltk.book import text3;
a = 1.0 * len(text3) / len(set(text3));
print(a);
'''from __future__ import division;
from nltk.book import *;
def lexical_diversity(text):
return len(text) / len(set(text)); #建立函式測算某個文字中所有單詞出現的平均次數
def percentage(count, total):
return 100 * count / total; #建立函式測算某個單詞在某個文字中所佔的百分比
print(lexical_diversity(text3));
print(percentage(text4.count("a"), len(text4)));
NLTK簡單入門函式小彙總
說明 本文 均來自 natural language processing with python 1.concordance 搜尋某個特定詞語在文章 現的位置，並顯示上下文 2.similar 搜尋文章中與目標用法 意義相似的詞 3.common contexts 這個函式和similar有點類似...
NLTK基礎教程學習筆記（九）
不同的解析器型別 解析器通常需要對乙個用於表達一組語法規則的輸入字串繼續處理，然後構成乙個或者多個可用於構成某種語法概念的規則。語法是我們衡量乙個句子是否良好的乙份規範說明，而解析器則是乙個用於解讀語法的程式。該程式會通過搜尋各種不同的樹結構空間，找出給定句子的最佳樹結構，下面是一些解析器的運用細節...
NLTK基礎教程學習筆記（五）
import nltk from nltk import word tokenize s i was watching tv print nltk.pos tag word tokenize s 結果 i prp was vbd watching vbg tv nn 中先將文字進行表示化處理，再呼叫...