NLTK'de tagger'e bileşik sözcükler nasıl eklenir?

Question

Bu yüzden, NLTK. numaralı belgede tek bir terim oluşturmak için birden çok terimi nasıl birleştirebileceği konusunda herhangi bir fikrin olup olmadığını merak ediyordum. Örneğin

, bunu yaptığımda:

nltk.pos_tag(nltk.word_tokenize('Apple Incorporated is the largest company')) 

Benim verir:

[('Apple', 'NNP'), ('Incorporated', 'NNP'), ('is', 'VBZ'), ('the', 'DT'), ('largest', 'JJS'), ('company', 'NN')] 

Nasıl olmasını Birlikte 'Apple' ve 'Incorporated' koymak yapabilirim ('Apple Incorporated','NNP')

Answer 1

nltk.RegexParser'a göz atmayı deneyebilirsiniz. Düzenli ifadelere dayanarak konuşma etiketli içeriğin bir kısmını parçalamanıza olanak tanır. sizin örnekte, bu size verecekti

pattern = "NP:{<NN|NNP|NNS|NNPS>+}" 
c = nltk.RegexpParser(p) 
t = c.parse(nltk.pos_tag(nltk.word_tokenize("Apple Incorporated is the largest company"))) 
print t 

gibi bir şey yapabileceğini:

Tree('S', [Tree('NP', [('Apple', 'NNP'), ('Incorporated', 'NNP')]), ('is', 'VBZ'), ('the', 'DT'), ('largest', 'JJS'), Tree('NP', [('company', 'NN')])]) 

Answer 2

kod bunu yapmak gerekiyordu tam olarak ne yapıyor. Konuşma etiketlerinin bir kısmını belirteçlere ekliyor. 'Apple Incorporated' tek bir jeton değildir. Bu iki ayrı simge ve buna göre tek bir POS etiketi uygulanamaz. Bu doğru davranış.

İş için yanlış aracı kullanmaya çalıştığınızı merak ediyorum. Ne yapmaya çalışıyorsun/Neden yapmaya çalışıyorsun? Belki de POS etiketleme yerine kolokasyonları tanımlamak ister misiniz? Buraya bir göz atmanız gerekebilir:collocations module