Question

在下面的代码中，为什么nltk认为'fish'是形容词而不是名词？

>>> import nltk
>>> s = "a woman needs a man like a fish needs a bicycle"
>>> nltk.pos_tag(s.split())
[('a', 'DT'), ('woman', 'NN'), ('needs', 'VBZ'), ('a', 'DT'), ('man', 'NN'), ('like', 'IN'), ('a', 'DT'), ('fish', 'JJ'), ('needs', 'NNS'), ('a', 'DT'), ('bicycle', 'NN')]

Answer 1

我不确定解决方法是什么，但您可以在此处查看来源https://nltk.googlecode.com/svn/trunk/nltk/nltk/tag/

与此同时，我用一点点不同的方法尝试了你的句子。

>>> s = "a woman needs a man. A fish needs a bicycle"
>>> nltk.pos_tag(s.split())
[('a', 'DT'), ('woman', 'NN'), ('needs', 'VBZ'), ('a', 'DT'), ('man.', NP'), ('A','NNP'),   ('fish', 'NN'), ('needs', 'VBZ'), ('a', 'DT'), ('bicycle', 'NN')]

导致鱼为“NN”。

Answer 2

如果您首先使用NLTK book, chapter 5中所述的Lookup Tagger（例如使用WordNet作为查找参考），那么您的标记器已经“知道” fish 不能成为形容词。对于具有多个可能的POS标签的所有单词，您可以使用统计标记器作为退避标记器。

Answer 3

这是因为你希望a woman needs a man like a fish needs a bicycle为这样的“解析”获取POS标签：

[ [[a woman] needs [a man]] like [[a fish] needs [a bicycle]] ]

但是NLTK默认的pos标记器不够智能，并且为这样的解析提供了POS标记：

[ [[a woman] needs [a man]] like [a fish needs] [a bicycle] ]

Answer 4

这取决于POS标记器如何输入。例如句子： “女人需要一个像鱼一样需要自行车的男人”

如果使用默认的nltk字标记器和正则表达式标记器，则值将不同。

import nltk 
from nltk.tokenize import RegexpTokenizer

TOKENIZER = RegexpTokenizer('(?u)\W+|\$[\d\.]+|\S+')

s = "a woman needs a man like a fish needs a bicycle"

regex_tokenize = TOKENIZER.tokenize(s)
default_tokenize = nltk.word_tokenize(s)

regex_tag = nltk.pos_tag(regex_tokenize)
default_tag = nltk.pos_tag(default_tokenize)

print regex_tag
print "\n"
print default_tag

输出如下：

  Regex Tokenizer: 

[('a', 'DT'), (' ', 'NN'), ('woman', 'NN'), (' ', ':'), ('needs', 'NNS'), (' ', 'VBP'), ('a', 'DT'), (' ', 'NN'), ('man', 'NN'), (' ', ':'), ('like', 'IN'), (' ', 'NN'), ('a', 'DT'), (' ', 'NN'), ('fish', 'NN'), (' ', ':'), ('needs', 'VBZ'), (' ', ':'), ('a', 'DT'), (' ', 'NN'), ('bicycle', 'NN')]

 Default Tokenizer: 

[('a', 'DT'), ('woman', 'NN'), ('needs', 'VBZ'), ('a', 'DT'), ('man', 'NN'), ('like', 'IN'), ('a', 'DT'), ('fish', 'JJ'), ('needs', 'NNS'), ('a', 'DT'), ('bicycle', 'NN')]

在Regex Tokenizer中，fish是一个名词，而在默认的tokenizer中，fish是一个形容词。根据使用的标记生成器，解析不同导致不同的解析树结构。

Answer 5

如果您使用Stanford POS tagger（3.5.1），则该短语会被正确标记：

from nltk.tag.stanford import POSTagger
st = POSTagger("/.../stanford-postagger-full-2015-01-30/models/english-left3words-distsim.tagger",
               "/.../stanford-postagger-full-2015-01-30/stanford-postagger.jar")
st.tag("a woman needs a man like a fish needs a bicycle".split())

的产率：

[('a', 'DT'),
 ('woman', 'NN'),
 ('needs', 'VBZ'),
 ('a', 'DT'),
 ('man', 'NN'),
 ('like', 'IN'),
 ('a', 'DT'),
 ('fish', 'NN'),
 ('needs', 'VBZ'),
 ('a', 'DT'),
 ('bicycle', 'NN')]

POS标记 - NLTK认为名词是形容词

5 个答案: