如何训练以 pos-tag 序列为特征的朴素贝叶斯分类器？

Question

我有两类句子。每个都有相当不同的 pos-tag 序列。如何训练以 POS-Tag 序列为特征的朴素贝叶斯分类器？斯坦福 CoreNLP/NLTK（Java 或 Python）是否提供了任何方法来构建具有 pos-tag 作为特征的分类器？我知道在 python 中 NaiveBayesClassifier 允许构建一个 NB 分类器，但它使用 contains-a-word 作为特征，但它可以扩展为使用 pos-tag-sequence 作为特征吗？

Answer 1

如果您知道如何使用 nltk 的朴素贝叶斯分类器和单词作为特征来训练和预测文本（或您的情况下的句子），那么您可以轻松扩展此方法以通过 pos-tags 对文本进行分类。这是因为分类器不关心您的特征字符串是单词还是标签。因此，您可以使用例如 nltk 的标准 pos 标记器简单地用 pos-tags 替换句子中的单词：

sent = ['So', 'they', 'have', 'internet', 'on', 'computers' , 'now']
tags = [t for w, t in nltk.pos_tag(sent)]
print tags

['IN', 'PRP', 'VBP', 'JJ', 'IN', 'NNS', 'RB']

从现在开始，您可以继续使用“包含单词”的方法。