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Launcher会弹出下面这个界面,建议你选择安装所有的Packages,以免去日后一而再、再而三的进行安装,也为你的后续开发提供一个稳定的环境。某些包的Status显示“out of date”,你可以不必理会,它基本不影响你的使用与开发。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)

  • 福利费的进项税额会计分录
  • 税收饶让抵免的概念及特点
  • 公司减免社保到几月份
  • 消防管理费用收取标准
  • etc发票开票中
  • 私对公转账可以撤回吗
  • 买卖金融商品应交增值税计算
  • 长期投资换入固定资产如何处理
  • 仓库缺货怎么处理
  • 个人劳务费增值税如何缴纳
  • 进口货物关税计入成本吗
  • 材料成本会计的主要内容
  • 个人独资企业是一般纳税人吗
  • 小微企业2018年所得税税率
  • 办公室饮用水可以浇花吗
  • 退回所得税怎么处理
  • 税控盘的购买流程
  • 提供餐饮服务的税率
  • 企业购进货物被没收 进项税额能否抵扣?
  • 企业利润表中营业收入在资产负债表中有勾千盾关系吗
  • 装修公司什么要自己买
  • 营改增后的劳务费怎么开
  • 个体工商户起征点10万执行时间
  • 激活windows转到设置以激活windows怎么消除
  • 四种存款账户的定义
  • 利润表营业成本是负数是什么原因
  • 公司用车车祸一般谁负责
  • Mac怎么更改默认打开方式
  • 营改增后租金如何交税
  • 购进免税农产品进行进项税额抵扣时,其抵扣率为
  • php render()
  • 受赠与获赠的区别
  • php单例模式demo
  • yii框架教程
  • 无限极分类mysql
  • php写一个函数,对手机号做基础的判断和处理
  • densenet详解
  • 人工智能会影响经济发展吗
  • 收取包装物押金会计分录
  • 卷积拆分
  • php调用微信扫描二维码
  • 个人以不动产投资入股土地增值税
  • 处置固定资产净收益属于利得吗
  • 认证一般纳税人之后,之前开的发票作废重新填开的税率
  • 在excel中怎么制作
  • MySQL中distinct语句去查询重复记录及相关的性能讨论
  • 个体户能不能变更地址
  • 经营性应收项目的减少调增 为什么是减
  • 已经费用化的研发支出还可以资本化吗
  • 营业利润净利润利润总额的区别
  • 收到银行开的手续费发票如何做帐
  • 应付账款属于外币货币性项目吗
  • 企业每月营业额达多少需要交税
  • 销售货物收到托运怎么办
  • 其他应交款 其他应付款
  • 月末忘记结转怎么办
  • 房地产企业如何结转成本
  • 无发票入账违反什么规定
  • 基金会对外捐赠,对方开什么发票
  • 其他应收款款项性质如何填写
  • 总公司与分公司的关系
  • 买给员工吃的零食内容怎么写
  • 内勤会计是不是不算会计
  • mysql视图语句
  • windows跳转列表是什么
  • linux git教程
  • 联想lenovoideapad700-15isk
  • centos桌面调出命令行
  • Linux怎么添加用户
  • perl判断字符串相等
  • url跟uri
  • angular使用
  • unity3d 使用Quaternion 类实现两个简单功能
  • js cookie存取
  • jQuery+ajax简单实现文件上传的方法
  • 国家税务总局全国增值税发票官网
  • 烟叶处理
  • 税务局冬季作息时间
  • 青海国税局官网
  • 法治税务宣传标语
  • 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