NLTK的使用

Posted 小码哥0520

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了NLTK的使用相关的知识,希望对你有一定的参考价值。

安装nltk.参考:http://www.cnblogs.com/kylinsblog/p/7755843.html

NLTK是Python很强大的第三方库,可以很方便的完成很多自然语言处理(NLP)的任务,包括分词、词性标注、命名实体识别(NER)及句法分析。

下面介绍如何利用NLTK快速完成NLP基本任务

一、NLTK进行分词

用到的函数:

nltk.sent_tokenize(text) #对文本按照句子进行分割

nltk.word_tokenize(sent) #对句子进行分词

#!/usr/bin/python
# -*- coding: UTF-8 -*-
print(\'nlp2 test\')
import nltk
text = \'PathonTip.com is a very good website. We can learn a lot from it.\'
#将文本拆分成句子列表
sens = nltk.sent_tokenize(text)
print(sens)
#将句子进行分词,nltk的分词是句子级的,因此要先分句,再逐句分词,否则效果会很差.
words = []
for sent in sens:
    words.append(nltk.word_tokenize(sent))
print(words)

执行结果:

二、NLTK进行词性标注

用到的函数:

nltk.pos_tag(tokens)#tokens是句子分词后的结果,同样是句子级的标注

tags = []
#词性标注要利用上一步分词的结果
for tokens in words:
    tags.append(nltk.pos_tag(tokens))
print(tags)

 执行结果:

三、NLTK进行命名实体识别(NER)

用到的函数:

nltk.ne_chunk(tags)#tags是句子词性标注后的结果,同样是句子级

#!/usr/bin/python
# -*- coding: UTF-8 -*-
print(\'nlp3 test\')
import nltk
text = \'Xi is the chairman of China in the year 2013.\'
#分词
tokens = nltk.word_tokenize(text)
#词性标注
tags = nltk.pos_tag(tokens)
print(tags)
#NER需要利用词性标注的结果
ners = nltk.ne_chunk(tags)
#print(\'%s---%s\' % (str(ners),str(ners.node))) #报错,无解
#还是直接打印tree吧
print(ners)

执行结果:

 

上例中,有两个命名实体,一个是Xi,这个应该是PER,被错误识别为GPE了; 另一个事China,被正确识别为GPE。

四、句法分析

nltk没有好的parser,推荐使用stanfordparser
但是nltk有很好的树类,该类用list实现
可以利用stanfordparser的输出构建一棵python的句法树
#报错,无解
#tparse = nltk.tree.Tree.parse
#修改
#tree = tparse(\'(NP (DT the) (JJ fat) (NN man))\')
#tree = nltk.Tree(\'NP\',\'DT\')
#for subtree in tree:
#    print(subtree,\'---\',subtree.node)
tree1 = nltk.Tree(\'NP\',[\'Alick\'])
print(tree1)
tree2 = nltk.Tree(\'N\',[\'Alick\',\'Rabbit\'])
print(tree2)
tree3 = nltk.Tree(\'S\',[tree1,tree2])
print(tree3.label()) #查看树的结点
tree3.draw()

 执行结果:

 

以上是关于NLTK的使用的主要内容,如果未能解决你的问题,请参考以下文章

立即下载google colaboratory中的所有nltk软件包

NLTK 关系提取不返回任何内容

NLTK 对文本结构进行语法分析代码示例

使用 Jython 从 Java 代码调用 Python 导致错误:ImportError: no module named nltk

NLTK SVM 分类器终止

NLTK - nltk.tokenize.RegexpTokenizer - 正则表达式未按预期工作