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Launcher会弹出下面这个界面,建议你选择安装所有的Packages,以免去日后一而再、再而三的进行安装,也为你的后续开发提供一个稳定的环境。某些包的Status显示“out of date”,你可以不必理会,它基本不影响你的使用与开发。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

  • 提成过高
  • 咨询合同按什么交印花税
  • 核定征收一般纳什么税
  • 工人工资算生产总值吗
  • 员工意外险费用
  • 所得税费用增加利润减少
  • 境外签署合同的效力
  • 税金及附加包括个人所得税吗
  • 企业税收滞纳金需要纳税调整吗
  • 从政府取得土地没有进项
  • 法人代表领工资怎么领
  • 工会经费基数是上个月收到的工资还是什么
  • 个体工商户有公户吗?
  • 预缴所得税如何做账
  • 商品房房产税征收标准
  • 营改增的真实目的
  • 外商投资企业外债额度
  • 个税系统工资少报了怎么办
  • 预付账款属于资产性质的账户
  • 错账查找的方法
  • php接收数据的方法
  • php预定义常量要使用define函数进行定义
  • 桌面级cpu天梯图快科技
  • 其他业务收入怎么申报增值税
  • 根据完工进度确认成本
  • cpqa1000.exe是安全进程吗 cpqa1000进程有什么作用
  • 小规模纳税人开票限额是多少
  • php image
  • 发票是否可以作为收款依据
  • Prometheus告警规则配置
  • 实收资本本年利润属于什么科目
  • 融资购入的固定资产如何记账
  • gpt参数
  • 美国人用什么英语词典
  • 记账凭证错了
  • 有形动产租赁属于现代服务业吗
  • 库存商品和固定资产是单位会计资产核算的两项内容
  • 净利润和毛利润谁大
  • 职工福利费涉及哪些科目
  • 银行手续费已扣发票未开的账务处理
  • 房地产开发公司注册资金要求
  • 在建工程领用原材料税费怎么处理
  • 加工企业怎么做账务处理
  • 蓝字发票作废流程视频
  • 年度所得税费用
  • 劳务报酬税目
  • 资产减值损失属于损益类的收入还是费用
  • 发票开出来对方不走账会怎么样?
  • 加油预付卡发票新规定文件
  • 残次品销售计入什么科目
  • 物流运输车类型
  • 会计存货包括生产成本
  • mysql tmp_table_size和max_heap_table_size大小配置
  • sql server使用心得
  • 如何远程连接小米摄像头
  • sqlserver存储过程怎么查看
  • windows开始菜单在哪里
  • windows10周年纪念版
  • windows2000怎么安装
  • 苹果mac安装
  • win7 64位系统无法使用银行网银怎么办? IE9浏览器无法使用农业银行网银的解决方法
  • windows8触摸板设置
  • keyemain.exe是什么
  • pcalc是什么软件
  • win8键盘失灵怎么办
  • win8安全和维护在哪
  • win7不重装修复系统
  • win 10移动版
  • javascript 基础
  • QT for Android HelloWorld实现
  • 样式的使用方法
  • jsoncpp rapidjson
  • node.js批量添加数据
  • java线程池创建
  • logcatapp
  • 出口退税申报时间是每月15号吗
  • 花店会计主要做什么
  • 如何查公司税务问题
  • 将购进农产品用于生产销售或委托加工货物的税率多少
  • 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