Python Pandas NLTK: добавление счетчиков частоты или оценки важности к части фрагментов речи в текстовом столбце Dataframe - PullRequest
Новая
       48

Python Pandas NLTK: добавление счетчиков частоты или оценки важности к части фрагментов речи в текстовом столбце Dataframe

0 голосов
/ 19 декабря 2018

Я выполнил NLTK-часть речевого тегирования с последующей разбивкой на один столбец ("train_text") внутри моего фрейма данных Pandas.

Ниже приведен мой успешно выполненный код и примеры результатов вывода.

def process_content():
    try:
        for i in train_text:
            words = nltk.word_tokenize(i)
            tagged = nltk.pos_tag(words)
            # chunkGram = r"""Chunk: {<RB.?>*<VB.?>*<NNP>+<NN>?}"""
            chunkGram = r"""Chunk: {<VB.?><NN.?>}"""
            chunkParser = nltk.RegexpParser(chunkGram)
            chunked = chunkParser.parse(tagged)

            for subtree in chunked.subtrees(filter = lambda t: t.label() == 'Chunk'):
                print (subtree)

    except Exception as e:
        print(str(e))

process_content()

Результаты: «ххх» означает слово;в первом случае это глагол, а во втором случае это существительное 

(Chunk xxx/VBN xxx/NN) 
(Chunk xxx/VBN xxx/NN) 
(Chunk xxx/VBN xxx/NN) 
(Chunk xxx/VBN xxx/NN) 
(Chunk xxx/VBN xxx/NN)

Теперь, когда у меня есть кусочки слов, я хочу найти 10 наиболее часто встречающихся или выдающихся кусков глагола + существительного,Есть ли способ, которым я могу прикрепить оценку частоты или важности к каждому чанку?

...