词汇化中的问题(nltk)
词汇化中的问题(nltk)是指在自然语言处理中，使用词汇化技术处理文本数据时可能遇到的一些问题。NLTK（Natural Language Toolkit）是一个Python库，提供了丰富的自然语言处理工具和数据集，可以用于处理文本数据中的词汇化问题。
词汇化问题主要包括以下几个方面：
- 词干提取（Stemming）：词干提取是将单词转化为其基本形式或词干的过程。例如，将单词"running"转化为"run"。词干提取可以减少词汇的变体，简化文本处理过程。NLTK提供了多种词干提取算法，如Porter算法和Lancaster算法。
- 词形还原（Lemmatization）：词形还原是将单词还原为其原始形式或词元的过程。与词干提取不同，词形还原考虑了单词的词性和上下文信息。例如，将单词"better"还原为"good"。NLTK提供了词形还原的功能，可以根据不同的词性进行还原。
- 停用词（Stop Words）：停用词是在文本处理中被忽略的常见词语，如"a"、"the"、"is"等。这些词语通常对文本的含义没有太大贡献，可以通过过滤它们来减少文本数据的维度。NLTK提供了一些常见的停用词列表，可以用于过滤文本数据中的停用词。
- 标点符号和特殊字符：在文本处理中，标点符号和特殊字符通常被视为噪声，可以通过去除它们来清洗文本数据。NLTK提供了一些函数和方法，可以用于去除文本数据中的标点符号和特殊字符。
- 词袋模型（Bag of Words）：词袋模型是一种常用的文本表示方法，将文本看作是一个无序的词语集合。在词袋模型中，每个文本被表示为一个向量，向量的每个维度对应一个词语，值表示该词语在文本中的出现次数或权重。NLTK提供了一些函数和方法，可以构建词袋模型并进行文本特征提取。
在处理词汇化问题时，可以使用NLTK库中的相关函数和方法来实现。以下是一些腾讯云相关产品和产品介绍链接地址，可以用于支持词汇化问题的解决：
- 腾讯云自然语言处理（NLP）：提供了多种自然语言处理功能，包括分词、词性标注、命名实体识别等。详情请参考：https://cloud.tencent.com/product/nlp
- 腾讯云文本审核（Content Review）：提供了文本内容审核的能力，可以识别和过滤含有敏感词汇、广告信息等不良内容的文本。详情请参考：https://cloud.tencent.com/product/tms
- 腾讯云智能语音（Intelligent Speech）：提供了语音识别、语音合成等语音处理功能，可以将语音转化为文本或将文本转化为语音。详情请参考：https://cloud.tencent.com/product/tts
请注意，以上仅为示例，具体的产品选择应根据实际需求和场景进行评估和选择。
相关·内容
我一直在尝试从csv文件中删除在NLTK库中找不到的停用词，但当我生成新的数据帧时，我仍然看到其中的一些单词，并且我不确定如何删除它们。我不确定我的代码有什么问题，但它是这样的： import nltk
from nltk.tokenize import word_tokenize
from nltk.corpus
import stopwords
from nltk.stem import WordNetLemmatizer
from nltk.corpus import stopwords
stop_words = stopwords.words('english')
浏览 12提问于2020-11-20得票数 0
我怎样才能得到阿拉伯语单词的引理？我尝试了NLTK中的ISRI阿拉伯语Stemmer，但它返回单词的词根：
from nltk.stem.isri import ISRIStemmer
st = ISRIStemmer()
print st.stem(u'اعلاميون')
它返回根علم，我想要引理اعلامي
浏览 1提问于2015-10-12得票数 2
例如，在下面的句子中，词汇化器影响了5个单词，输出中应显示数字5。 lemmatizer = WordNetLemmatizer()
sentence = "The striped bats are hanging on their feet for best"
print([lemmatizer.lemmatize(w, get_wordnet_pos(w)) for w in nltk.word_tokenize(sentence)])
#> ['The', 'strip', 'bat', 'be',
浏览 31提问于2021-08-02得票数 2
1回答
试图用NLTK CFG生成句子。想知道是否可以在下面的程序中连接sql数据库来输入名词和动词。在下面的例子中，门、窗、开、关都是硬编码的。在这个特定的上下文中，如何动态地要求nltk从excel或数据库列来输入名词和动词？
import nltk
from nltk.parse.generate import generate,demo_grammar
from nltk import CFG
grammar = CFG.fromstring("""
S -> VP NP
NP -> Det N
VP -> V
浏览 1提问于2015-05-23得票数 2
1回答
Lemmatize df列
、、、、
我试图在df中列出内容，但我编写的函数不起作用。在尝试对列中的数据进行列举化之前，该列的数据如下所示。 ? 然后我运行了以下代码： import nltk
nltk.download('wordnet')
from nltk.stem import WordNetLemmatizer
# Init the Wordnet Lemmatizer
lemmatizer = WordNetLemmatizer()
def lemmatize_text(text):
lemmatizer = WordNetLemmatizer()
return [lem
浏览 37提问于2021-04-14得票数 0
回答已采纳
1回答
如何对句子列表进行词汇化
、、、
如何在Python中列出句子列表？
from nltk.stem.wordnet import WordNetLemmatizer
a = ['i like cars', 'cats are the best']
lmtzr = WordNetLemmatizer()
lemmatized = [lmtzr.lemmatize(word) for word in a]
print(lemmatized)
这就是我试过的方法，但它给了我相同的句子。我需要对之前的单词进行标记化才能正常工作吗？
浏览 63提问于2018-06-05得票数 5
回答已采纳
1回答
我有一个数据集，需要使用这些单位对数据进行分类，例如
UNITS PRICE
pieces 100
piece 70
peice 50
1 pc 50
pics 60
single piece 50
假设:片断和片断可以被认为是相同的
这里所有的单元必须指向相同的词根(块)。我确实在Python语言中应用了nltk库中的stemming和lemmatization，但它没有给出预期的结果。
将词干提取应用于一些示例，
from nltk.stem import PorterStemmer
from nltk.
浏览 0提问于2019-04-30得票数 1
1回答
我在推特上做情绪分析。大多数推文包含简短的单词，我想把它们替换为原始/完整的单词。
假设这条推文是：
I was wid Ali.
我想皈依：
wid -> with
类似的
wud -> would
我有6000条推特，里面有很多简短的单词。我怎么能替换他们？在python中是否有任何库可用于此任务？或者网上有什么简略词词典吗？
我读过在python中替换后缀/短词问题的答案，但它只提供了后缀词典。
目前我正在使用NLTK，但是这个任务不可能使用NLTK。
浏览 0提问于2018-05-08得票数 0
我有一个熊猫数据帧。有一列，让我们把它命名为：'col‘这一列的每个条目都是一个单词列表。'word1‘、'word2’等。
如何使用nltk库有效地计算所有这些单词的引理？
import nltk
nltk.stem.WordNetLemmatizer().lemmatize('word')
我希望能够为pandas数据集中某一列中所有单元格的所有单词找到一个引理。
我的数据看起来类似于：
import pandas as pd
data = [[['walked','am','stressed',
浏览 1提问于2017-11-30得票数 11
回答已采纳
所以，我必须承认，我完全是nlp的新手，我对nltk一无所知，我只是试图使用上一位开发人员留下的遗留代码。我需要对大部分来自化学和生物技术出版物的词语进行词汇化。我通常使用WordNetLemmatizer。大多数情况下，它都是有效的。
from nltk.stem import WordNetLemmatizer
lemmatizer = WordNetLemmatizer()
lemmatizer.lemmatize('cats')
返回cat。
但后来我试着
lemmatizer.lemmatize('dehydrogenases')
它返回‘脱氢酶’。我
浏览 5提问于2020-03-24得票数 0
我正在使用nltk lemmatizer，但每次都得到错误的结果!！ >>> import nltk
>>> from nltk.stem import WordNetLemmatizer
>>> print(WordNetLemmatizer().lemmatize('loved'))
loved
>>> print(WordNetLemmatizer().lemmatize('creating'))
creating 输出为'loved'/ 'creating&
浏览 19提问于2019-10-12得票数 1
回答已采纳
12回答
我什么时候使用每一个？
Also...is依赖于词性的NLTK词汇化？如果是的话，它不是更准确吗？
浏览 2提问于2009-11-24得票数 170
回答已采纳
为什么NLTK的词干分析器识别不同的词干用于标识和标识符？对于标识，Snowball和Porter词干分析器都会返回identif，但对于Identifier，我会返回identifi。有没有其他词干分析器能更好地包含不同形式的单词？
浏览 0提问于2018-06-19得票数 0
1回答
如何使用quanteda对像makes这样的单词进行词汇化，使其成为make。 在Python语言中，可以使用NLTK WordNet Lemmatizer
浏览 53提问于2020-06-12得票数 0
回答已采纳
2回答
我是python和NLTk的新手。我在NLTK (NaivesBayesCalssifier)中为调查的情感分析创建了一个模型。为了提高准确性，我想在模型中添加一些包含肯定和否定语句列表的字典。NLTK中有没有什么模块?有没有什么额外的特性可以改进我的模型？
浏览 0提问于2017-03-24得票数 0
我有一个tweet的数据帧，我试图在词条化的'tweet‘列上计算Tf-Idf。我对词汇化的结果有一个问题，并且在尝试计算Tf-Idf时得到一个错误。 下面是我的代码： w_tokenizer = nltk.tokenize.WhitespaceTokenizer()
lemmatizer=WordNetLemmatizer()
def lemmatize_text(tweet):
return [lemmatizer.lemmatize(w) for w in w_tokenizer.tokenize(tweet)]
df['tweet_lemmatized&#
浏览 54提问于2020-07-27得票数 2
回答已采纳
1回答
我目前正在进行twitter数据分析，并一直致力于在Python中应用单词打包技术，但一直没有成功。目前，我已经能够通过一些预处理将数据流存储在数据库中，然后我将tweet导出到csv文件中，但无意中发现了下一部分使用单词袋来进行机器学习。
我尝试过跟踪，但是我没有成功，也无法理解如何通过查看scikit或nltk文档来解决问题。有人能建议我可以遵循的教程来用Python 3实现一袋单词吗？谢谢你的帮助
浏览 4提问于2017-12-03得票数 0
回答已采纳
我在Brown语料库上通过NLTK使用Wordnet Lemmatizer (以确定其中的名词是更多地使用单数形式还是复数形式)。
即from nltk.stem.wordnet import WordNetLemmatizer
l = WordnetLemmatizer()
我注意到，即使是像下面这样的最简单的查询也需要相当长的时间(至少一两秒钟)。
l("cats")
这可能是因为每次查询都必须建立到Wordnet的web连接？
我想知道是否有一种方法仍然使用Wordnet Lemmatizer，但它的执行速度更快？例如，将Wordnet下载到我的机器上对我有帮助吗？还有其
浏览 2提问于2013-04-24得票数 15
回答已采纳
2回答
我正在使用python对twitter数据进行情感分析。我需要一本字典，其中包含单词的+ve和-ve极性。我读过很多关于多愁善感的文章，但是当我把它用于我的项目时，它并没有给出高效和快速的结果。我想我没有正确地使用它。有人能告诉我正确的使用方法吗？以下是我迄今为止所做的步骤：
tweets的标记化
标记标记
将每个标签传递给森特瓦内
我正在使用nltk包进行标记和标记。请参阅下面代码的一部分：
import nltk
from nltk.stem import *
from nltk.corpus import sentiwordnet as swn
tokens=nlt
浏览 2提问于2015-11-27得票数 4
1回答
我正在尝试使用NLTK.stem Wordlemmatizer将像"Escalation“这样的词归类为"Escalate”。
word_lem = WordNetLemmatizer()
print( word_lem.lemmatize("escalation", pos = "n")
应该使用哪个pos标签来获得类似于"escalate“的结果
浏览 1提问于2021-05-08得票数 1
我想用Wordnet查找词干。wordnet有词干提取功能吗？我使用这个import进行词干提取，但是它不能像预期的那样工作。
from nltk.stem.wordnet import WordNetLemmatizer
WordNetLemmatizer().lemmatize('Having','v')
浏览 2提问于2011-07-12得票数 4
回答已采纳
已运行以下程序：
from nltk import WordNetLemmatizer as wnl
wnl().lemmatize("American")
wnl().lemmatize("Americans")
这两个函数都只是返回它们的参数。我想让美国人降为美国人。有谁知道怎么做到这一点？
我假设我必须修改lemmatizer正在使用的任何内部字典。这是正确的吗？有人知道更好的方法吗？
谢谢!
浏览 1提问于2011-11-04得票数 2
回答已采纳
1回答
from nltk.stem import WordNetLemmatizer
x = WordNetLemmatizer()
x.lemmatize("angrily", pos='r')
Out[41]: 'angrily'
这里是nltk wordnet，中pos标记的参考文档网。
我可能错过了一些基本的东西。请让我知道
浏览 5提问于2015-02-12得票数 2
回答已采纳
我试图从火车/测试集中保存所有的词汇表单词和tfidf向量器，以便以后可以在一组新的文本上使用它。我使用以下代码获得了词汇表和以色列国防军字典：
cvec_tfidf = TfidfVectorizer(analyzer="word", tokenizer=nltk.word_tokenize, strip_accents='unicode', min_df = .01, max_df = .99, ngram_range=(1,3))
cvec_tfidf.fit(X_train['answer'])
vocab_tfidf = cvec
浏览 4提问于2021-11-02得票数 2
1回答
我使用WordNet，如下所示，以使用python获取同义词集。 import nltk
from nltk.corpus import wordnet
synonyms = []
for syn in wordnet.synsets("alzheimer"):
for l in syn.lemmas():
synonyms.append(l.name())
print(set(synonyms)) 但是，单词alzheimer似乎不在WordNet中，因为我得到了一个空的同义词列表。然后，我尝试了不同的其他变体，如alzheimer disea
浏览 51提问于2020-01-13得票数 0
回答已采纳
3回答
我试图使用NLTK的SklearnClassifier和MultinomialNB对文本文档进行分类。这是代码：
pipeline = Pipeline([('tfidf', TfidfTransformer()),
('chi2', SelectKBest(chi2, k=1000)),
('nb', MultinomialNB())])
classifier = SklearnClassifier(pipeline)
test
浏览 3提问于2013-12-05得票数 2
回答已采纳
我正试图用NLTK实现一个朴素的Bayes。
当我打印出信息最丰富的功能时，它们中的一些被指定为“无”。为什么会这样呢？
我使用的是单词包模型:当我输出特征时，每个特征都被赋值为true。
这些都不是从哪来的？
我读到了
The feature value 'None' is reserved for unseen feature values;
这里：
那是什么意思？
from nltk.corpus.reader import CategorizedPlaintextCorpusReader
import nltk.classify.util
from nltk.class
浏览 0提问于2016-04-22得票数 0
回答已采纳
3回答
我有一个关于NLTK中Python一致性命令的问题。首先，我举了一个简单的例子：
from nltk.book import *
text1.concordance("monstrous")
它工作得很好。现在，我有了自己的.txt文件，我想执行相同的命令。我有一个名为"textList“的列表，想要找到单词"CNA”，所以我放入命令
textList.concordance('CNA')
然而，我得到了错误
AttributeError: 'list' object has no attribute 'concord
浏览 0提问于2015-03-18得票数 8
回答已采纳
我在实践中对ML和训练分类器很陌生，所以我想知道NLTK和TextBlob等包的内置情感工具与手动创建分类器(培训、测试等)有什么不同。我想我在某个地方读到了这样的评论:Textblob/NLTK现有的情感分析工具基本上只是标记文本，并计算肯定/否定的单词数，以确定总体情绪评级(不确定这有多准确)。有没有人知道，一般来说，使用自定义分类器可以更好地对文本进行情感分析(我正在分析酒店评论中表达的情感)？
浏览 0提问于2019-12-06得票数 1
回答已采纳
1回答
我有一个带有文本的熊猫专栏df_travail[line_text]。
我想对本专栏中的每个单词进行词汇化。
首先，我将文本小写：
df_travail ['lowercase'] = df_travail['line_text'].str.lower()
然后，我将其标记化并应用POS (因为wordnet默认配置将每个单词都视为名词)。
from nltk import word_tokenize, pos_tag
tok_and_tag = lambda x: pos_tag(word_tokenize(x))
df_travail ['tok_a
浏览 0提问于2020-01-03得票数 0
1回答
我有一个脚本，使用NLTK和WordNet将单词替换为同义词。据我所知，查找同义词的最有效方法是词汇化，但这会删除过程中的共轭。
例如，假设我想将"bored“替换为"drilled"...
word = 'bored'
syns = []
wordNetSynset = wn.synsets(word)
for synSet in wordNetSynset:
for w in synSet.lemma_names():
syns.append(w)
set(syns)
输出：
{'blase', '
浏览 0提问于2019-12-07得票数 0
我正在尝试使用Python NLTK使用Kneser-Ney平滑来平滑一组n-gram概率。不幸的是，整个文档相当稀疏。
我尝试做的是这样的:我将一个文本解析成一个三元组列表。从这个列表中，我创建了一个FreqDist，然后使用该FreqDist来计算KN平滑分布。
但我很确定，结果是完全错误的。当我对各个概率求和时，我得到的结果远远大于1。下面的代码示例：
import nltk
ngrams = nltk.trigrams("What a piece of work is man! how noble in reason! how infinite in faculty! in
浏览 0提问于2016-02-06得票数 7
回答已采纳
1回答
我试图对客户邮件进行分类。
电子邮件是快乐的还是悲伤的(情感分析)
是否与账单相关的电子邮件。
我正在使用Python3，并且认为我必须使用nltk和scikit NLTK --将帮助理解和阅读我所理解的scikit文本-将做分类(高兴、悲伤和记账与否)。
训练数据集1:几个phrases...anywhere从一个单词到一个句子有5到6个单词。(1高兴而0不高兴)...a下面的几个例子
提供帮助
干得好.
太棒了.
糟糕.0
令人困惑.0
慢点.0
培训数据集2:几个短语表明与帐单有关的问题.(下面的几个例子)
关于我的账单的问题
记帐
浏览 5提问于2015-07-10得票数 0
1回答
我需要读取一个文件并使用nltk.FreqDist()查找其词频分布，然后返回10个最常用单词的列表。不过，我首先要：
化词
删除停止词
只保留英语词汇
只保留属于十大最常用词类的词条。
样本输出如下：
[('received', 16176), ('id', 12609), ('source', 10792), ('tue', 4498), ('mon', 3686), ('date', 3612), ('sakai', 3611), ('murde
浏览 1提问于2019-05-01得票数 0
回答已采纳
1回答
当我为一组文档运行tfidf时，它返回给我一个tfidf矩阵，它看起来像这样。
(1, 12) 0.656240233446
(1, 11) 0.754552023393
(2, 6) 1.0
(3, 13) 1.0
(4, 2) 1.0
(7, 9) 1.0
(9, 4) 0.742540927053
(9, 5) 0.66980069547
(11, 19) 0.735138466738
(11, 7) 0.677916982176
(12, 18) 1.0
(13, 14) 0.697455191
浏览 3提问于2017-02-27得票数 2
回答已采纳
我一直在关注TensorFlow文本分类教程()，对IMDB评论进行分类。IMDB数据是keras发行版的一部分，并经过下载和预处理。我想用我自己的文本做实验。有没有一种有效的方法将我自己的文本预处理成word->int表示？我尝试过使用字典、元组和排序，但效率非常低。我有种感觉，有一种更有效的方法。
我浏览了nltk和keras预处理工具，但可能忽略了其中的一些内容。
浏览 0提问于2019-06-30得票数 0
1回答
我从一个想要建立语义词汇表的文本中获取一个输入，但是没有词汇表，我只是在传递一个象征性的单词列表。但是我不知道在没有设置词汇表的情况下，向量化和聚类发生在什么基础上？在文档中提到，“如果没有给出，词汇表将从输入文档中确定。”但是，我只接受一个txt文件作为输入。
我试着从wordnet同义词集中创建词汇表，但无法到达任何地方。
import string
import re
import nltk
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import co
浏览 1提问于2019-01-24得票数 0
回答已采纳
1回答
下面是我拥有的输入pandas数据帧。
我想找出单字和双字的频率。下面显示了我所期望的示例
如何使用nltk或scikit learn来做到这一点？
我写了下面的代码，它接受一个字符串作为输入。如何将其扩展到序列/数据帧？
from nltk.collocations import *
desc='john is a guy person you him guy person you him'
tokens = nltk.word_tokenize(desc)
bigram_measures = nltk.collocations.BigramAssocMeas
浏览 2提问于2016-04-12得票数 11
回答已采纳
3回答
我正在尝试在NLTK中使用speech标签，并使用了以下命令：
>>> text = nltk.word_tokenize("And now for something completely different")
>>> nltk.pos_tag(text)
Traceback (most recent call last):
File "<pyshell#4>", line 1, in <module>
nltk.pos_tag(text)
File "C:\Python27\lib\s
浏览 1提问于2012-12-30得票数 8
回答已采纳
我正在尝试使用countvectorizer生成BiGrams，并将它们附加回数据帧。然而，它只给了我一个字，只作为输出。我想要创建比克，只有当特定的关键字存在。我使用词汇表参数传递它们。
我想要实现的是消除文本语料库中的其他单词，并在词汇表中列出n克的列表。
输入数据
Id Name
1 Industrial Floor chenidsd 34
2 Industrial Floor room 345
3 Central District 46
4 Central Industrial District Bay
5
浏览 2提问于2017-12-13得票数 0
我想要得到下面列表中单词的词汇化： (例如) words = ['Funnier','Funniest','mightiest','tighter'] 当我做spacy时， import spacy
nlp = spacy.load('en')
words = ['Funnier','Funniest','mightiest','tighter','biggify']
doc = spacy.tokens.Doc(nlp.vocab,
浏览 12提问于2019-09-27得票数 0
回答已采纳
2回答
我写了一个简单的文档分类器，目前正在Brown语料库上进行测试。然而，我的准确率仍然很低(0.16)。我已经排除了停用词。关于如何提高分类器的性能，还有其他的想法吗？
import nltk, random
from nltk.corpus import brown, stopwords
documents = [(list(brown.words(fileid)), category)
for category in brown.categories()
for fileid in brown.fileids(category)]
random.s
浏览 11提问于2017-07-17得票数 0
1回答
有人能告诉我，，和词汇表在NLTK中的区别吗？
电影数据集是什么？
什么是Wordnet？
浏览 2提问于2015-07-20得票数 4
回答已采纳
4回答
我需要获取一个包含一个单词的输入文本文件。然后，我需要使用wordnet查找单词同义词的lemma_names、定义和示例。我已经阅读了"Python Text Processing with NLTK2.0 Cookbook“和"Natural Language Processing using NLTK”这本书来帮助我实现这一目标。虽然我已经了解了如何使用终端来完成此操作，但我无法使用文本编辑器来完成相同的操作。
例如，如果输入文本中包含单词"flabbergasted"，则输出需要采用这种方式：
大吃一惊(动词)大吃一惊，惊叹不已；“这太让人吃惊了！”(形
浏览 1提问于2011-04-04得票数 14
1回答
在本地部署模型时发出
、、、、
我创建了一个模型，通过查看文本来预测网站的类型。
但它似乎不起作用。我已经将模型、矢量器、标签编码器存储在泡菜文件中，并在这里加载。
代码：
import pandas as pd
import sklearn.metrics as sm
import nltk
import string
from nltk.tokenize import word_tokenize
import re
from nltk.corpus import stopwords
from nltk.stem.wordnet import WordNetLemmatizer
import pickle
import o
浏览 6提问于2022-04-13得票数 0
1回答
这个问题可能与哲学有关，而不是与编码有关。nltk提供了一个标记包，它用一个标签标记句子中的每个单词，并提供一个词干包，它将一个单词转换成它的基本形式。我注意到词干器常常无法将一些不固定的单词转换成它的基本形式。例如，"It's“to "It is"，”知情者“，”get“to "get"，以此类推。这有点令人惊讶，因为标签者可以正确地将“s”标记为其正确形式的动词("VBZ")，并能识别“已知”("VBD")和“知道”("VB")之间的区别。既然我们已经知道“明知”是过去时态中的动词，那么词干机为
浏览 2提问于2013-08-21得票数 1
回答已采纳
我正在使用movie_reviews数据，并在其中使用countvectorizer。当您看到下面的代码时，我想在字典中修改它，以便在索引中显示唯一的单词：
from sklearn.feature_extraction.text import CountVectorizer
import nltk
cv = CountVectorizer(tokenizer=nltk.word_tokenize , stop_words='english')
movie_train_cv = cv.fit_transform(movie_train.data)
movie_train_cv
浏览 0提问于2018-04-18得票数 1
回答已采纳
3回答
我想知道一个句子在python中是否真的有意义。例如
Hello, how are you today? --> Correct
Hello, are today are how --> Incorrect
到目前为止，我已经有了这段代码，它执行以下操作：
1-从nltk.browns语料库中获取20000个句子。
2-混淆最后10000个句子的单词(用于不正确的数据)
3-使用斯坦福词性标记器标记所有句子
from nltk.corpus import brown
from nltk.tokenize import sent_tokenize, word_tokenize
fro
浏览 0提问于2016-12-25得票数 3
1回答
使用nltk和verbnet，可以获得动词的所有意义
verbnet.classid()
但是这个函数返回动词的所有意义。在一个给定的句子中，只使用一个动词意义。有没有人在确定给定句子的动词意义方面取得了进展？
浏览 1提问于2015-04-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
