Question

嘿伙计们，我现在正在使用以下

在NLTK Python中创建用于文本分类的自定义语料库

corpus_create = CategorizedTaggedCorpusReader('/home/classification', '(training|test).*',cat_file='cat.txt')

len(corpus_Create.categories())

然后我们利用高信息词功能和training_test_feat函数返回train_feats和test_feats。

目前我们创建了两个名为Training and Test的文件夹，其中分类数据与cat文件一起放置，描述了POS，NEG，NEU的文件夹/文件名

Training/File10 POS
Test/File2 NEG 
Training/File445 NEU 
...........

现在，如果我们有一个CSV文件，其中第1列有文本，而COlumn2有分类，例如

   Text      Classification 
   Good           POS 
   This is nice   POS 
   Thats  bad     NEG 
   This is a cat  NEU

我们如何编写一个函数来直接从CSV文件创建语料库？

非常感谢

Answer 1

如果要从CSV文件中解压缩或读取数据，可以使用Pythons＆＃39; CSV模块。以下代码打开文件并将所有内容附加到列表中，然后您可以将其提供给分类器。

import csv

training_set = []

with open('path/to/text.csv') as csvfile:
    reader = csv.DictReader(csvfile)
    for row in reader:
        training_set.append((row['Text'], row['Classification']))


print training_set

如果您的分类器能够更新，那么您可以跳过创建列表training_set，然后执行.update（row [＆＃39; Text＆＃39;]，row [＆＃39; Classification＆＃39;]）

使用CSV文件在NLTK中创建自定义语料库

1 个答案: