NLTK 命名实体类别标签

Question

在谈到 NLTK 时，我总是碰壁。我已经能够对单个文本字符串进行标记和分类，但是，如果我尝试跨多行应用脚本，我会得到标记，但它不会返回对我来说最重要的部分。

import pandas as pd
import nltk
from nltk.tokenize import word_tokenize
from nltk.tag import pos_tag
+nltk.download('punkt')
nltk.download('averaged_perceptron_tagger')
nltk.download('maxent_ne_chunker')
nltk.download('words')
SENT_DETECTOR = nltk.data.load('tokenizers/punkt/english.pickle')

例子：

ex = 'John'
ne_tree =  nltk.ne_chunk(pos_tag(word_tokenize(ex)))
print(ne_tree)

输出：

(S (PERSON John/NNP))

这正是我正在寻找的。我需要的不仅仅是 NNP 类别。

当我在表格中应用它时，我只得到了令牌，没有类别。

例子：

df = pd.read_csv('ex3.csv')
df

输入：

Order   Text
0   0   John
1   1   Paul
2   2   George
3   3   Ringo

代码：

df['results'] = df.Text.apply(lambda x: nltk.ne_chunk(pos_tag(word_tokenize(x))))
df

输出：

print(df)

   Order    Text            results
0      0    John    [[(John, NNP)]]
1      1    Paul    [[(Paul, NNP)]]
2      2  George  [[(George, NNP)]]
3      3   Ringo    [[(Ringo, NN)]]

我正在获取令牌并且它在所有行中都有效，但它没有给我一个类别“PERSON”。

我真的需要分类。

这不可能吗？谢谢您的帮助。

Answer 1

我们开始...

import pandas as pd
import nltk
from nltk.tokenize import word_tokenize
from nltk.tag import pos_tag
+nltk.download('punkt')
nltk.download('averaged_perceptron_tagger')
nltk.download('maxent_ne_chunker')
nltk.download('words')
df = pd.read_csv("ex3.csv")
# print(df)
text1 = df['text'].to_list()
text =[]
for i in text1:
    text.append(i.capitalize())
# create a column for store resullts
df['results'] = ""

for i in range(len(text)):
    SENT_DETECTOR = nltk.data.load('tokenizers/punkt/english.pickle')
    ne_tree = nltk.ne_chunk(pos_tag(word_tokenize(text[i])))
    df['results'][i] = ne_tree[0].label()
print(df)