计算 POS 标记模式的出现次数答案

【问题标题】：count the occurrences of POS tagging pattern计算 POS 标记模式的出现次数
【发布时间】：2021-08-24 04:08:45
【问题描述】：

所以我已将 POS 标记应用于我的数据框中的一列。对于每个句子，我想统计这种模式的出现次数：NNP、MD、VB。

例如，我有以下句子：委托人与承包商之间的通信应使用英语

POS 标记将是： (communications, NNS), (between,IN), (the, DT), (Principal, NNP), (and, CC), (the, DT), (Contractor, NNP), (shall, MD) , (be,VB), (in, DT), (the, DT), (English, JJ), (language, NN).

注意在词性标注结果中，模式（NNP, MD, VB）存在并且出现了1次。我想在 df 中为这个出现次数创建一个新列。

有什么想法可以做到这一点吗？

提前致谢

【问题讨论】：

标签： python dataframe nlp pos-tagger

【解决方案1】：

一个简单的计数器功能将执行您想要的！

输入：

df = pd.DataFrame({'POS':['(communications, NNS), (between,IN), (the, DT), (Principal, NNP), (and, CC), (the, DT), (Contractor, NNP), (shall, MD), (be,VB), (in, DT), (the, DT), (English, JJ), (language, NN)', '(Contractor, NNP), (shall, MD), (be,VB), (communications, NNS), (between,IN), (the, DT), (Principal, NNP), (and, CC), (the, DT), (Contractor, NNP), (shall, MD), (be,VB), (in, DT), (the, DT), (English, JJ), (language, NN)', '(and, CC), (the, DT)']})

功能：

def counter(pos):
    words, tags = [], []
    for item in pos.split('), ('):
        temp = item.strip(' )(')
        word, tag = temp.split(',')[0], temp.split(',')[-1].strip()
        words.append(word); tags.append(tag)
    length = len(tags)
    if length<3:
        return 0
    count = 0
    for idx in range(length):
        if tags[idx:idx+3]==['NNP', 'MD', 'VB']:
            count+=1
    return count

输出：

df['occ'] = df['POS'].apply(counter)
df

    POS     occ
0   (communications, NNS), (between,IN), (the, DT)...   1
1   (Contractor, NNP), (shall, MD), (be,VB), (comm...   2
2   (and, CC), (the, DT)    0

【讨论】：

谢谢！但是我遇到了一个错误，说'list'对象没有属性'split'。这可能是因为 POS 标签结果不是字符串，即格式是 [(communications, NNS), (between,IN), (the, DT)...] 而不是 ['(communications, NNS), (between, IN), (the, DT), ...']
是的，我想就是这个原因！ :[@cookieclatter
一切都好，我修好了:)，再次感谢！