＆＃34;克隆＆＃34; NLTK中的语料库？

Question

我正在尝试在NLTK中创建自己的语料库。我一直在阅读这方面的一些文档，它看起来相当复杂......我想要做的就是“克隆”电影评论语料库但是用我自己的文本。现在，我知道我可以将移动评论语料库中的文件更改为我自己的...但这限制了我一次只使用一个这样的语料库（即，我必须不断地交换文件）。有什么方法可以克隆电影评论语料库吗？

感谢 亚历

Answer 1

使用CategorizedPlaintextCorpusReader课程阅读电影评论。直接使用它来加载您的语料库。以下内容适用于电影语料库的精确副本：

mr = CategorizedPlaintextCorpusReader(path_to_your_reviews, r'(?!\.).*\.txt',
        cat_pattern=r'(neg|pos)/.*')

cat_pattern中的所有匹配是类别：在这种情况下，neg和pos。如果您的语料库具有不同的类别（例如，电影类型而不是正/负评估），请更改目录结构并调整cat_pattern参数以进行匹配。

PS。对于具有不同结构的分类语料库，nltk提供了丰富的方法来指定类别;阅读CategorizedPlaintextCorpusReader。

的文档

Answer 2

为什么不通过复制movie_reviews中nltk.corpus的定义来定义新的语料库？您可以使用新目录执行此操作，然后复制目录结构并替换文件。