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Launcher会弹出下面这个界面,建议你选择安装所有的Packages,以免去日后一而再、再而三的进行安装,也为你的后续开发提供一个稳定的环境。某些包的Status显示“out of date”,你可以不必理会,它基本不影响你的使用与开发。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

  • 增值税普通发票几个点
  • 不确认递延所得税的特殊情况
  • 增值税和附加税一共几个点
  • 汇算清缴需要传什么资料
  • 成本核算需要哪些基础工作
  • 企业收购资金计算公式
  • 计提的费用年底要冲回吗
  • 商贸公司账目
  • 价格调节基金费率
  • 核定征收是每个月都要交税吗
  • 汽车租赁油费怎么算
  • 电子商业承兑汇票
  • 贸易类公司所得税核定征收税率是多少?
  • 不是本公司员工
  • 一般纳税人当月只有进项没有销项怎么做账
  • 非居民纳税人怎么纳税
  • 工程物资期末余额的填列方法
  • 企业报表里面利润怎么填
  • 委托加工物资怎么入账
  • 斐讯p.to路由器管理员密码
  • Win10任务栏图标居中
  • getparameter报错
  • 产品 研发
  • window11正式版什么时候出来
  • office进程
  • 苹果7旧换新
  • 进项税额转出怎么算
  • qqlogin.exe是什么进程 qqlogin.exe应用程序错误解决办法
  • yolov3 改进
  • crontab不执行的原因和解决方案
  • yolov3简介
  • 外贸企业出口退税流程(详细步骤)
  • 设置cmd命令
  • ps打不了字只显示一个点怎么办
  • 客户倒闭预收款怎么处理
  • 销售自用的小汽车赚钱吗
  • 事业单位应当按月对固定资产计提折旧
  • 本年累计金额怎么得到
  • 计提 增值税
  • 非独立核算的分公司如何报税
  • python logger
  • 差旅费报销金额大于实际发生金额
  • 根据《中华人民共和国食品安全法》
  • 结转应交税金的分录
  • 处置长期股权投资其他综合收益结转
  • sqlserver2008r2数据库导出教程
  • 企业需要购买两种保险吗
  • 购买的软件属于什么资产
  • 企业所得税本年累计
  • 营业净利率和总资产周转率正相关
  • 承租人融资租赁会计账务处理
  • 在建工程中的业务招待费转无形资产后所得税如何处理
  • 股权支付费用是什么意思
  • 工程不交税
  • 印花税是根据什么计算的
  • 中介费可以要求退吗
  • MySQL 5.6 中 TIMESTAMP 的变化分析
  • linux中安装软件可使用哪些方式
  • win7自带截图工具
  • iptables入门
  • win8 ui
  • windows8.1rt
  • [置顶]游戏名 TentacleLocker
  • unity协程会阻塞主线程吗
  • nodejs worker
  • linux每隔1s执行一次命令
  • Node.js中的construct
  • Linux 中的Edquota命令
  • 网页全屏是哪个键
  • javascript构造函数可继承父类的构造函数
  • javascript 对象
  • jquery获取outerhtml
  • 国家税务总局增值税发票查验平台网址
  • 重庆电子税务局网页版登录
  • 个人可以免费开店的平台有哪些
  • 保险免保费是什么意思
  • 软件即征即退软件是什么
  • 北京市国家税务局发票查询平台
  • 湖南职工医保哪里交
  • 教育用地性质可以更改么
  • 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