按词性搜索语料库

Question

我是 NLP 新手。我正在尝试在语料库中搜索词性序列。目标是搜索一系列 POS 标签，并从给定语料库中找到与序列匹配的所有句子。

输入：敏捷的棕色狐狸跳过了懒惰的狗。 标记器将处理标记句子： 词性标注结果：[DT][JJ][JJ][NN][VBD][IN][DT][JJ][NNS][.] 应用搜索将产生任何与此序列匹配或更长的句子。

如何按词性搜索？ NLTK 或 spacy 中是否有直接函数？

对于解决问题所需的步骤以及我可能面临的挑战，我将不胜感激。

请注意，我发现有人在 stackoverflow 上发布了类似的问题，但我认为他面临的问题更具体。 Search POS

Answer 1

在下面的代码中，s1 是训练句。 s2 是任何其他句子。这不是提问者提出的直接代码，但有助于应用于句子并查找是否有任何句子与模式匹配。

#Invoke libraries
from nltk import word_tokenize, pos_tag  
import re

#Build functions
def tagsToString(t):
    sequence = ""
    return(sequence.join(t))

def sequenceMatch(s1,s2):
    tagSequence1 = ""
    taggedWords1 = pos_tag(word_tokenize(s1))
    tags1 = [tagged[1] for tagged in taggedWords1]
    tagSequence1 = "".join(tags1)

    tagSequence2 = ""
    taggedWords2 = pos_tag(word_tokenize(s2))
    tags2 = [tagged[1] for tagged in taggedWords2]
    tagSequence2 = "".join(tags2)

    if tagSequence2.find(tagSequence1) == 0:
        match = "yes"    
    else:
        match = "no"
    return(match)
#Example:
s1 = "The quick brown fox"
s2 = "The quick brown fox jumped over the lazy dog"

sequenceMatch(s1,s2)
#'yes'