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Launcher会弹出下面这个界面,建议你选择安装所有的Packages,以免去日后一而再、再而三的进行安装,也为你的后续开发提供一个稳定的环境。某些包的Status显示“out of date”,你可以不必理会,它基本不影响你的使用与开发。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

  • 附加税税负
  • 核定扣除公式
  • 税控盘当月不抵扣怎么申报
  • 小规模公司房租费发票税率
  • 收到促销费方怎么做账
  • 管理人员工作服计入什么科目
  • 外包工加工工资怎么结算
  • 房贷抵税如何申请流程
  • 长期待摊费用做在什么记账凭证里
  • 单位购买办公用品可以抵扣吗
  • 事业单位其他应付款贷方余额表示什么
  • 投资款怎样缴印花税?
  • 金税三期理解
  • 未认证进项税额转出
  • 公司间借款计入什么科目
  • 药材种植政策
  • 收到分包公司工程发票收入怎么做账
  • 进项抵扣怎么做分录
  • 如何在虚拟机上下载软件
  • 企业社保缴费工资
  • 丢失空白发票怎么处罚
  • 支付委托加工费用会计科目
  • 电脑qq音乐设置在哪里
  • 根据完工进度确认成本
  • auepuc.exe是什么软件
  • 土地受让方交的税是什么
  • 白鹤芋的养殖方法和注意事项
  • 企业投资收益要交印花税吗
  • echarts css
  • 一般纳税人的进项普票怎么做账
  • 安装elementUI
  • pytorch训练yolov3
  • 填报的资产总额在季初和季末存在差异是什么意思
  • vue面试题及答案2021
  • 企业计提的医疗保险属于企业设定提存计划的内容
  • 固定资产多少可以一次摊销
  • 成本不够用怎么办baixing
  • 预收货款尚未发货
  • 年末结转增值税明细
  • 发放年终奖的会议纪要
  • 发票无法收回会计分录
  • 详解中国航天三垂一远
  • sql2005怎么执行语句
  • 建筑业增值税是什么意思
  • 如何完成资产负债表
  • 交易性金融资产公允价值变动怎么算
  • 存在弃置费用的固定资产由于技术进步
  • 执行迟延履行利息的计算
  • 初始数据都录入什么意思
  • 个税手续费返还奖励财务人员的文件
  • 一般纳税人劳务费税率是多少2023
  • 关于外贸企业出口的规定
  • 本年利润的会计科目
  • 金税盘买发票还要填交验旧表吗?
  • 税金及附加科目借贷方向
  • mysim和innodb
  • windows下命令
  • windows 开始
  • win10补丁导致无法开机
  • 注册表修改的方法有哪几种
  • 苹果mac双系统好不好
  • win1020h2正式版
  • win10系统环境设置
  • win8应用商店官网
  • win10win8双系统
  • opengl教程48讲
  • qat开发
  • python 先序遍历
  • 命令行创建虚拟机
  • 变量代码是什么
  • 开发板io口在哪
  • excel一行首尾互换
  • python编程完全入门教程
  • unity3d初学者教程视频
  • jquery获取当前日期yyyymmdd
  • 税局如何查账
  • 杭州市税务局总局地址
  • 纳税人信用信息
  • 杨静儿多少岁
  • 本期应纳的增值税
  • 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