Sekarang saya ingin tahu: apa yang begitu misterius tentang ini? Saya tidak pernah benar-benar menggunakan NLTK, dan menemukan jawaban itu membutuhkan waktu lima menit untuk googling dan pencarian ... Apakah benar - benar tersembunyi?
phipsgabler
5
Saya pikir itu bukan pertanyaan tentang seberapa tersembunyi, ini juga muncul untuk saya hanya mencoba untuk menandai satu kalimat, karena saya sedang mencari alasan mengapa nltk menandai kata kerja saya sebagai kata benda dan saya tidak tahu bagaimana perbedaan taget dapat digunakan. Ini juga membantu untuk ini, terima kasih!
Phonebox
2
@ phipsgabler jika orang lain seperti saya, saya punya harapan yang salah. Saya mengharapkan tabel pencarian / daftar / peta, memetakan akronim pos seperti RBartinya adverb. ( Ini adalah contohnya ; atau lihat jawaban @ Suzana, yang menautkan Penn Treebank Tag Set ). Tapi Anda benar, builtin nltk.help.upenn_tagset('RB')sangat membantu, dan disebutkan di awal nltkbuku ,
The Red Pea
137
Untuk menghemat waktu beberapa orang, berikut adalah daftar yang saya ekstrak dari sebuah korpus kecil. Saya tidak tahu apakah sudah selesai, tetapi seharusnya memiliki sebagian besar (jika tidak semua) definisi bantuan dari upenn_tagset ...
CC : konjungsi, koordinasi
&'n and both but either et for less minus neither nor or plus so
therefore times v. versus vs. whether yet
CD : angka, kardinal
mid-1890 nine-thirty forty-two one-tenth ten million 0.5 one forty-
seven 1987 twenty '79 zero two 78-degrees eighty-four IX '60s.025
fifteen 271,124 dozen quintillion DM2,000...
DT : penentu
all an another any both del each either every half la many much nary
neither no some such that the them these this those
EX : ada di sana
there
DALAM : preposisi atau konjungsi, bawahan
astride among uppon whether out inside pro despite on by throughout
below within for towards near behind atop around if like until below
next into if beside ...
JJ : kata sifat atau angka, urut
third ill-mannered pre-war regrettable oiled calamitous first separable
ectoplasmic battery-powered participatory fourth still-to-be-named
multilingual multi-disciplinary ...
further gloomier grander graver greater grimmer harder harsher
healthier heavier higher however larger later leaner lengthier less-
perfectly lesser lonelier longer louder lower more ...
RBS : kata keterangan, superlatif
best biggest bluntest earliest farthest first furthest hardest
heartiest highest largest least less most nearest second tightest worst
RP : partikel
aboard about across along apart around aside at away back before behind
by crop down ever fast for forth from go high i.e.in into just later
low more off on open out over per pie raising start teeth that through
under unto up up-pp upon whole with you
TO : "to" sebagai preposisi atau penanda infinitif
Terima kasih! Jawaban ini seharusnya dipilih karena ini jauh lebih komprehensif daripada hanya menjawab dengan, pada dasarnya, ketik sesuatu di konsol Anda untuk mengetahuinya.
slartibartfast
63
Set tag tergantung pada corpus yang digunakan untuk melatih tagger. Tagger default nltk.pos_tag()menggunakan Penn Treebank Tag Set .
Di NLTK 2, Anda dapat memeriksa tagger mana yang merupakan tagger default sebagai berikut:
Terima kasih, imo ini jawaban yang jauh lebih berguna daripada jawaban yang diterima.
Dale
3
Ini adalah jawaban yang tidak lengkap. Pertama, nltk.tag._POS_TAGGERtidak dijalankan dan tidak ada instruksi khusus yang diberikan tentang apa yang harus diimpor. Juga, mengetahui bahwa tagger yang digunakan adalah setengah dari jawabannya, pertanyaannya adalah meminta untuk mendapatkan daftar semua tag yang mungkin di dalam tagger
Hamman Samuel
3
Ini adalah corpus dan bukan tagger yang menentukan set tag. Segera setelah Anda tahu nama corpus, set tag lengkap hanya berjarak pencarian Google.
Suzana
34
Di bawah ini dapat bermanfaat untuk mengakses dict yang dikunci dengan singkatan:
Anda dapat mengunduh daftar di sini: ftp://ftp.cis.upenn.edu/pub/treebank/doc/tagguide.ps.gz . Ini termasuk bagian-bagian pembicaraan yang membingungkan, huruf besar, dan konvensi lainnya. Juga, wikipedia memiliki bagian menarik yang mirip dengan ini. Bagian: Tag sebagian ucapan yang digunakan.
Saya menerima ini sebagai kontribusi kenyamanan. Saya mempertimbangkan untuk meningkatkan pemformatan, tetapi itu mungkin bertentangan dengan tujuan dari posting ini. Silakan Anda pertimbangkan untuk mengedit dan menggunakan pemformatan kode dalam kombinasi dengan baris baru untuk mendapatkan keduanya, pemformatan yang bagus DAN keramahan copy-paste stackoverflow.com/editing-help
Yunnosch
Saya mempertimbangkan untuk melakukan ini, tetapi saya pikir itu akan membuatnya kurang nyaman.
nltk.tag._POS_TAGGERtidak akan bekerja Ini akan memberikan AttributeError: module 'nltk.tag' tidak memiliki atribut '_POS_TAGGER' . Ini tidak tersedia di NLTK 3 lagi.
RB
artinyaadverb
. ( Ini adalah contohnya ; atau lihat jawaban @ Suzana, yang menautkan Penn Treebank Tag Set ). Tapi Anda benar, builtinnltk.help.upenn_tagset('RB')
sangat membantu, dan disebutkan di awalnltk
buku ,Untuk menghemat waktu beberapa orang, berikut adalah daftar yang saya ekstrak dari sebuah korpus kecil. Saya tidak tahu apakah sudah selesai, tetapi seharusnya memiliki sebagian besar (jika tidak semua) definisi bantuan dari upenn_tagset ...
CC : konjungsi, koordinasi
CD : angka, kardinal
DT : penentu
EX : ada di sana
DALAM : preposisi atau konjungsi, bawahan
JJ : kata sifat atau angka, urut
JJR : kata sifat, komparatif
JJS : kata sifat, superlatif
LS : daftar item marker
MD : tambahan modal
NN : kata benda, umum, tunggal atau massa
NNP : kata benda, tepat, tunggal
NNS : kata benda, umum, jamak
PDT : pra-penentu
POS : penanda genitif
PRP : kata ganti, pribadi
PRP $: kata ganti, posesif
RB : kata keterangan
RBR : kata keterangan, komparatif
RBS : kata keterangan, superlatif
RP : partikel
TO : "to" sebagai preposisi atau penanda infinitif
UH : kata seru
VB : kata kerja, bentuk dasar
VBD : kata kerja, past tense
VBG : kata kerja, present participle atau gerund
VBN : kata kerja, past participle
VBP : kata kerja, present tense, bukan ke 3 orang tunggal
VBZ : kata kerja, present tense, 3rd person singular
WDT : WH-determiner
WP : Kata ganti WH
WRB : Wh-adverbia
sumber
$
,''
,(
,)
,,
,--
,.
,:
,FW
,NNPS
,SYM
,WP$
, [dua tanda kutip mundur]. Lihatnltk.help.upenn_tagset()
.Set tag tergantung pada corpus yang digunakan untuk melatih tagger. Tagger default
nltk.pos_tag()
menggunakan Penn Treebank Tag Set .Di NLTK 2, Anda dapat memeriksa tagger mana yang merupakan tagger default sebagai berikut:
Itu berarti bahwa itu adalah tagger Entropy Maksimum yang dilatih di Treebank corpus.
nltk.tag._POS_TAGGER
tidak ada lagi di NLTK 3 tetapi dokumentasi menyatakan bahwa tag -off-the-shelf masih menggunakan tagset Penn Treebank.sumber
nltk.tag._POS_TAGGER
tidak dijalankan dan tidak ada instruksi khusus yang diberikan tentang apa yang harus diimpor. Juga, mengetahui bahwa tagger yang digunakan adalah setengah dari jawabannya, pertanyaannya adalah meminta untuk mendapatkan daftar semua tag yang mungkin di dalam taggerDi bawah ini dapat bermanfaat untuk mengakses dict yang dikunci dengan singkatan:
sumber
Referensi tersedia di situs resmi
Salin dan tempel dari sana:
sumber
Anda dapat mengunduh daftar di sini: ftp://ftp.cis.upenn.edu/pub/treebank/doc/tagguide.ps.gz . Ini termasuk bagian-bagian pembicaraan yang membingungkan, huruf besar, dan konvensi lainnya. Juga, wikipedia memiliki bagian menarik yang mirip dengan ini. Bagian: Tag sebagian ucapan yang digunakan.
sumber
Berdasarkan metode Doug Shore tetapi membuatnya lebih ramah copy-paste
sumber
Jalankan saja kata demi kata ini.
nltk.tag._POS_TAGGER
tidak akan bekerja Ini akan memberikan AttributeError: module 'nltk.tag' tidak memiliki atribut '_POS_TAGGER' . Ini tidak tersedia di NLTK 3 lagi.sumber