从单词序列中提取句子并添加标点符号答案

【问题标题】：Extracting sentences from sequence of words and adding punctuation从单词序列中提取句子并添加标点符号
【发布时间】：2020-09-28 19:42:55
【问题描述】：

我正在寻找可以尝试从单词序列中检测句子边界和结构的库或系统。这些单词来自演示文稿的抄本，包括填充词 um 和 uh 以及单词重复。这是一个例子：

["hello", "everybody", "today", "we", "are", "going", "to", "um", "be", "discussing", "IO", "streams", "with", "IO", "streams", "we", ...]

Google Cloud 能够使用 enableAutomaticPunctuation 选项在其 Speech-to-Text API 的文本输出中添加标点符号，但是我没有找到类似这样的将文本作为输入的东西。

【问题讨论】：

标签： nlp

【解决方案1】：

我建议您查看文本挖掘库，例如NLTK 或 Spacy。这些库具有内置的句子标记器。此外，您还可以根据将文本转换为句子列表来更新规则或缩写列表。

【讨论】：