【问题标题】:NLTK POS tags extraction, tried key, values but not there yetNLTK POS 标签提取、尝试过的键、值但还没有
【发布时间】:2016-05-15 05:02:38
【问题描述】:

我有一个使用 NLTK 到 POS 标记的名称列表。我将它与词段一起使用,因为名称像thisisme 一样混乱。

所以我已经成功地使用循环 POS 标记了这些名称,但是,我无法提取 POS 标签。整个练习都是通过 CSV 完成的。

这就是我希望 CSV 在一天结束时的样子。

name,    length, pos
thisisyou 6      NN, ADJ

到目前为止我的代码是

import pandas as pd
import nltk
import wordsegment
from wordsegment import segment
from nltk import pos_tag, word_tokenize
from nltk.tag.util import str2tuple

def readdata():
    datafileread = pd.read_csv('data.net.lint.csv')
    domain_names = datafileread.DOMAIN[0:5]

    for domain_name in domain_names:
        seg_words = segment(domain_name)
        postagged = nltk.pos_tag(seg_words)
        limit_names = postagged
        for keys,values in postagged:
            print (posttagged)

readdata()

我得到了这个结果

NN
NN
ADJ
NN

这看起来不错,但它是错误的。某些 POS 标签不应在新行上。它应该只是像NNNN一样混乱。

【问题讨论】:

    标签: python pandas tuples nltk


    【解决方案1】:

    print 函数将在您每次使用时插入一个换行符。你需要避免这种情况。试试这样:

    for domain_name in domain_names:
        seg_words = segment(domain_name)
        postagged = nltk.pos_tag(seg_words)
        tags = ", ".join(t for w, t in postagged)
        print(domain_name, LENGTH, tags)
    

    join() 方法将 POS 标签作为单个字符串返回,用", " 分隔。我刚刚写了LENGTH,因为我不知道你是如何在你的例子中得到6的。随便填。

    PS。你在这里不需要它,但你可以告诉print() 不要像这样添加最后的换行符:print(word, end=" ")

    【讨论】:

    • 感谢亚历克西斯,它工作得很好。我应该在几个小时前寻求帮助。
    • 能否请您解释一下(t 代表 w,t 在 postagged)上会发生什么,谢谢
    • 它是一个"generator expression",并传递join() 相当于一个字符串列表。另请参阅list comprehension。
    • 这个特殊的生成器表达式会抛出单词并保留标签。你可以像这样检查它:print( list(t for w, t in postagged) ).
    • 附言。由于此答案解决了您的问题,请点击左侧的大勾号“接受”它。
    猜你喜欢
    • 2012-11-26
    • 1970-01-01
    • 1970-01-01
    • 2016-07-02
    • 2018-12-01
    • 2017-06-21
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多