从Python中的字符串中提取抽象名词和形容词[重复]答案

【问题标题】：Extracting abstract nouns and adjectives from a string in Python [duplicate]从Python中的字符串中提取抽象名词和形容词[重复]
【发布时间】：2021-06-25 05:38:42
【问题描述】：

我正在处理具有包含反馈文本的列之一的数据框。它已被清理干净。我只需要知道如何从字符串中提取抽象名词和形容词。

这是我拥有的已清理文本的示例：

输出必须仅包含来自每个反馈的抽象名词和形容词。

例如，反馈是：

"smells good also nice taste in love with it"

输出应该是：

good nice love

我尝试使用 nltk pos tagger 和 textblob 词典。我可以使用 textblob 提取所有形容词，但对于名词，它会标记所有名词。我不能只区分抽象名词，比如上面提到的例子中的“爱”。

【问题讨论】：

到目前为止你做了什么
我尝试使用 nltk pos tagger 和 textblob 词典。我可以使用 textblob 提取所有形容词，但对于名词，它会标记所有名词。我不能只区分抽象名词，比如上面提到的例子中的“爱”。 @ArkodeepRay
“味道”是一个名词。你为什么不想要它？
我很想拥有它。我没有添加输出的错误，抱歉。但我要说明的一点是，我只需要提取抽象名词（不是专有名词、普通名词、集体名词或任何其他形式）。
假设句子是“我喜欢留在德克萨斯”。我需要的唯一提取词是“爱”而不是“德克萨斯”，也就是说，只是抽象名词。希望我能传达我的观点。

标签： python python-3.x nlp sentiment-analysis pos-tagger

【解决方案1】：

该句子在语法上不正确（它遗漏了第一个主语“it”）。 NLP 工具通常不习惯解析不正确的句子。然而，NLTK 甚至几乎正确地解析了原始句子：

s = "smells good also nice taste in love with it"
nltk.pos_tag(nltk.word_tokenize(s))
#[('smells', 'NNS'), ('good', 'JJ'), ('also', 'RB'), ('nice', 'JJ'), 
# ('taste', 'NN'), ('in', 'IN'), ('love', 'NN'), ('with', 'IN'), ('it', 'PRP')]

如果你改正语法，结果是100%正确的：

s = "it smells good also nice taste in love with it"
nltk.pos_tag(nltk.word_tokenize(s))
#[('it', 'PRP'), ('smells', 'VBZ'), ('good', 'JJ'), ('also', 'RB'), 
# ('nice', 'JJ'), ('taste', 'NN'), ('in', 'IN'), ('love', 'NN'), 
# ('with', 'IN'), ('it', 'PRP')]

还有你想要的输出：

[word for word,tag in nltk.pos_tag(nltk.word_tokenize(s)) if tag[0] in "NJ"]
#['good', 'nice', 'taste', 'love']

【讨论】：

对于反馈或其他用户输入文本，您永远无法确定它是否符合语法。而且大多数 NLP 工具实际上都可以应付这种情况，否则它们将毫无用处。