NLP |使用语料库阅读器进行组块
原文:https://www . geesforgeks . org/NLP-chunking-use-corpus-reader/
什么是组块？ 这些是由单词组成的，单词的种类是使用词性标签定义的。一个人甚至可以定义一个模式或单词，它不能成为 chuck 的一部分，这样的单词被称为 chinks。ChunkRule 类指定在一个块中包含和排除哪些单词或模式。
工作原理:
- ChunkedCorpusReader 类的工作方式与 TaggedCorpusReader 类似，用于获取标记令牌，此外它还提供了三种获取组块的新方法。
- 的一个实例代表每个块。
- 名词短语树看起来像树(' NP '，[…])，而句子级树看起来像树(' S '，[…])。
- 在 n 个 chunked_sents()中获得句子树的列表，每个名词短语作为句子的子树
- 在 chunked_words()中获得不在组块中的单词的标记标记旁边的名词短语树的列表。
列出主要方法的图表:
代码#1:为单词创建一个 ChunkedCorpusReader】
# Using ChunkedCorpusReader
from nltk.corpus.reader import ChunkedCorpusReader
# intitializing
x = ChunkedCorpusReader('.', r'.*\.chunk')
words = x.chunked_words()
print ("Words : \n", words)
输出:
Words :
[Tree('NP', [('Earlier', 'JJR'), ('staff-reduction', 'NN'),
('moves', 'NNS')]), ('have', 'VBP'), ...]
代码#2:用于句子
Chunked Sentence = x.chunked_sents()
print ("Chunked Sentence : \n", tagged_sent)
输出:
Chunked Sentence :
[Tree('S', [Tree('NP', [('Earlier', 'JJR'), ('staff-reduction', 'NN'),
('moves', 'NNS')]), ('have', 'VBP'), ('trimmed', 'VBN'), ('about', 'IN'),
Tree('NP', [('300', 'CD'), ('jobs', 'NNS')]), (', ', ', '),
Tree('NP', [('the', 'DT'), ('spokesman', 'NN')]), ('said', 'VBD'), ('.', '.')])]
代码#3:针对段落
para = x.chunked_paras()()
print ("para : \n", para)
输出:
[[Tree('S', [Tree('NP', [('Earlier', 'JJR'), ('staff-reduction',
'NN'), ('moves', 'NNS')]), ('have', 'VBP'), ('trimmed', 'VBN'),
('about', 'IN'),
Tree('NP', [('300', 'CD'), ('jobs', 'NNS')]), (', ', ', '),
Tree('NP', [('the', 'DT'), ('spokesman', 'NN')]), ('said', 'VBD'), ('.', '.')])]]
版权属于：月萌API www.moonapi.com，转载请注明出处
