位置: 编程技术 - 正文

Python编程使用NLTK进行自然语言处理详解(python的nltk)

编辑:rootadmin

推荐整理分享Python编程使用NLTK进行自然语言处理详解(python的nltk),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python编程n!,python\n编程\t很,python\n\t,python\n编程\t很,python nltk,python\n\t,python nltk,python\n编程\t很,内容如对您有帮助,希望把文章链接给更多的朋友!

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。自然语言工具箱(NLTK,NaturalLanguageToolkit)是一个基于Python语言的类库,它也是当前最为流行的自然语言编程与开发工具。在进行自然语言处理研究和应用时,恰当利用NLTK中提供的函数可以大幅度地提高效率。本文就将通过一些实例来向读者介绍NLTK的使用。

NLTK

NaturalLanguageToolkit,自然语言处理工具包,在NLP领域中,最常使用的一个Python库。

NLTK是一个开源的项目,包含:Python模块,数据集和教程,用于NLP的研究和开发 。NLTK由Steven Bird和Edward Loper在宾夕法尼亚大学计算机和信息科学系开发。NLTK包括图形演示和示例数据。其提供的教程解释了工具包支持的语言处理任务背后的基本概念。

开发环境:我所使用的Python版本是最新的3.5.1,NLTK版本是3.2。Python的安装不在本文的讨论范围内,我们略去不表。你可以从NLTK的官网上 Launcher会弹出下面这个界面,建议你选择安装所有的Packages,以免去日后一而再、再而三的进行安装,也为你的后续开发提供一个稳定的环境。某些包的Status显示“out of date”,你可以不必理会,它基本不影响你的使用与开发。

既然你已经安装成功,我们来小试牛刀一下。当然本文涉及的主要任务都是自然语言处理中最常用,最基础的pre-processing过程,结合机器学习的高级应用我们会在后续文章中再进行介绍。

1、SentencesSegment(分句)

Python编程使用NLTK进行自然语言处理详解(python的nltk)

也就是说我们手头有一段文本,我们希望把它分成一个一个的句子。此时可以使用NLTK中的punktsentencesegmenter。来看示例代码

由此,我们便把一段话成功分句了。

2、SentencesSegment(分词)

接下来我们要把每个句话再切割成逐个单词。最简单的方法是使用NLTK包中的WordPuncttokenizer。来看示例代码

我们的分词任务仍然完成的很好。除了WordPunct tokenizer之外,NLTK中还提供有另外三个分词方法,TreebankWordTokenizer,PunktWordTokenizer和WhitespaceTokenizer,而且他们的用法与WordPunct tokenizer也类似。然而,显然我们并不满足于此。对于比较复杂的词型,WordPunct tokenizer往往并不胜任。此时我们需要借助正则表达式的强大能力来完成分词任务,此时我所使用的函数是regexp_tokenize()。来看下面这段话

目前市面上可以参考的在Python下进行自然语言处理的书籍是由Steven Bird、Ewan Klein、Edward Loper编写的《Python 自然语言处理》。但是该书的编写时间距今已有近十年的时间,由于软件包更新等语言,在新环境下进行开发时,书中的某些代码并不能很正常的运行。最后,我们举一个书中代码out of date的例子(对上面这就话进行分词),并给出相应的解决办法。首先来看书中的一段节录

我们预期得到输出应该是这样的

但是我们实际得到的输出却是这样的(注意我们所使用的NLTK版本)

会出现这样的问题是由于nltk.internals.compile_regexp_to_noncapturing()在V3.1版本的NLTK中已经被抛弃(尽管在更早的版本中它仍然可以运行),为此我们把之前定义的pattern稍作修改

再次执行前面的语句,便会得到

以上便是我们对NLTK这个自然语言处理工具包的初步探索,日后主页君将结合机器学习中的方法再来探讨一些更为深入的应用。最后,我想说《Python 自然语言处理》仍然是当前非常值得推荐的一本讲述利用NLTK和Python进行自然语言处理技术的非常值得推荐的书籍。

总结

标签: python的nltk

本文链接地址:https://www.jiuchutong.com/biancheng/372269.html 转载请保留说明!

上一篇:高质量Python代码编写的5个优化技巧(高效的python)

下一篇:python内置函数:lambda、map、filter简单介绍(python内置函数open()的参数用来指定打开文本文件)

  • 物业公司要交税吗?
  • 新公司税务报到网上操作流程
  • 记账凭证核算形式是会计核算中最基本的核算形式
  • 代扣代缴完税凭证是什么
  • 韩国购物小票怎么看图解
  • 提供给员工宿舍租赁 入账
  • 购销商品分类核算方法有
  • 不征税收入的所得税处理
  • 本季度盈利可以当季弥补以前亏损吗
  • 取得建安类专用发票能抵扣进项税吗
  • 补缴的以前年度的税费及滞纳金用更正申报企业所得税吗
  • 民办非企业单位是私立还是公立
  • 增值税专用发票验票
  • 金融资产包括哪三大类及会计科目
  • 以前年度企业所得税申报表怎么查
  • 土地补偿款属于专项资金吗
  • 电子税务局如何查询已开发票
  • 每年的发票年底是不是就失效了
  • 装修公司什么要自己买
  • 申报专利 费用
  • 开发票没有银行回单可以入帐吗?
  • 飞机票开电子发票是电子行程单吗
  • PHP:mb_convert_encoding()的用法_mbstring函数
  • php字符串操作函数
  • 安全生产责任险保障范围
  • PHP:Memcached::touch()的用法_Memcached类
  • 增值税进项如何取得更多
  • PHP:pg_field_is_null()的用法_PostgreSQL函数
  • 营业利润是怎么计算的?
  • 研发费用的会计和税法的不同
  • php curd
  • php strrchr
  • 零息债券利息
  • 附加税申报错误,已缴费,怎么办
  • servlet工作原理和生命周期
  • 行政单位捐赠收入属于什么收入
  • 利息收入如何会计分录
  • 上海地铁9号线一期工程
  • topas命令详解
  • jsp页面构成
  • 物流公司挂靠车辆怎么做账
  • 税管员管多少企业
  • 填写蓝字专用发票信息
  • 怎样根据税负率计算税额
  • 企业分配的股票股利宣告发放
  • 差额冲账法
  • 电子承兑没到期可以提示付款吗
  • 在正确使用和正常维护的条件下
  • SQL SERVER 2008 R2 重建索引的方法
  • mysql 虚拟机
  • 带薪年假一般是什么时候
  • 未分配利润是否可以全部分红
  • 企业税预缴在哪里
  • 进口葡萄酒政策
  • 银行承兑到期后未兑付
  • 以前年度多计提成本怎么处理
  • 房屋估价需要准备什么
  • 预缴增值税税款所属期
  • 软件企业技术开发增值税税率
  • 其他业务收入的现金流量项目
  • 展位费按多少税率
  • 编制合并财务报表的依据是纳入合并
  • 新公司建账流程及日常业务处理
  • 有存货的公司
  • sqlserver查询所有表的行数
  • ubuntu命令行打开火狐浏览器
  • 系统用户在哪里
  • mac计算器怎么用
  • pcalc是什么软件
  • win8隐藏的文件夹怎么找出来
  • 深入理解新发展理念,推进供给侧结构性改革
  • python下读取公私钥做加解密实例详解
  • android新手入门
  • 如何设置python
  • jupyter 安装python包
  • javascript怎么样
  • fragment
  • 国家税务系统
  • 江苏国税电子税局
  • 税源管理科是干什么的
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设