извлечение кусков в python с использованием nltk - PullRequest
Новая
       10

извлечение кусков в python с использованием nltk

0 голосов
/ 25 января 2012

скажем, у меня есть помеченный корпус (например, коричневый корпус), и я хочу извлечь слова, которые помечены только '/ nn'.Например: 

            Daniel/np termed/vbd ``/`` extremely/rb conservative/jj ''/'' his/pp$    estimate/nn.....

это часть помеченного корпуса «коричневый».то, что я хочу сделать, это извлечь слова, подобрать оценку (как это отмечено с / nn) и добавить их в список.Но большинство примеров, которые я нашел, обычно о пометке корпуса.Я действительно запутался, увидев этот пример.Может ли кто-нибудь помочь мне, предоставив пример или учебное пособие по извлечению слов из помеченного корпуса.

Заранее спасибо.

1 Ответ

3 голосов
/ 25 января 2012

См .: http://nltk.googlecode.com/svn/trunk/doc/book/ch05.html

>>> sent = '''
... The/AT grand/JJ jury/NN commented/VBD on/IN a/AT number/NN of/IN
... other/AP topics/NNS ,/, AMONG/IN them/PPO the/AT Atlanta/NP and/CC
... Fulton/NP-tl County/NN-tl purchasing/VBG departments/NNS which/WDT it/PPS
... said/VBD ``/`` ARE/BER well/QL operated/VBN and/CC follow/VB generally/RB
... accepted/VBN practices/NNS which/WDT inure/VB to/IN the/AT best/JJT
... interest/NN of/IN both/ABX governments/NNS ''/'' ./.
... '''
>>> [nltk.tag.str2tuple(t) for t in sent.split()]
[('The', 'AT'), ('grand', 'JJ'), ('jury', 'NN'), ('commented', 'VBD'),
('on', 'IN'), ('a', 'AT'), ('number', 'NN'), ... ('.', '.')]

Если вы просто хотите пометить тегами NN, вы можете сделать: 

>>> [nltk.tag.str2tuple(t) for t in sent.split() if t.split('/')[1] == 'NN']
[('jury', 'NN'), ('number', 'NN'), ('interest', 'NN')]

Edit:

Здесь sent в виде строки минус эллипсы. 

sent = """The/AT grand/JJ jury/NN commented/VBD on/IN a/AT number/NN of/IN other/AP topics/NNS ,/, AMONG/IN them/PPO the/AT Atlanta/NP and/CC Fulton/NP-tl County/NN-tl purchasing/VBG departments/NNS which/WDT it/PPS said/VBD ``/`` ARE/BER well/QL operated/VBN and/CC follow/VB generally/RB accepted/VBN practices/NNS which/WDT inure/VB to/IN the/AT best/JJT interest/NN of/IN both/ABX governments/NNS ''/'' ./."""
...