有人可以告诉我NLTK中 Corpora ，语料库和词典之间的区别？
什么是电影数据集？
什么是 Wordnet ？
答案 0 :(得分：13)
Corpora 是语料库的复数。
语料库基本上是指一个主体，在自然语言处理（NLP）的上下文中，它意味着一个文本体。
（来源：https://www.google.com.sg/search?q=corpora）
词典是词汇，词汇列表，词典（来源：https://www.google.com.sg/search?q=lexicon）
在NLTK中，任何词典都被视为语料库，因为单词列表也是文本正文。例如。可以在NLTK语料库API中找到停用词列表：
>>> from nltk.corpus import stopwords
>>> print stopwords.words('english')
[u'i', u'me', u'my', u'myself', u'we', u'our', u'ours', u'ourselves', u'you', u'your', u'yours', u'yourself', u'yourselves', u'he', u'him', u'his', u'himself', u'she', u'her', u'hers', u'herself', u'it', u'its', u'itself', u'they', u'them', u'their', u'theirs', u'themselves', u'what', u'which', u'who', u'whom', u'this', u'that', u'these', u'those', u'am', u'is', u'are', u'was', u'were', u'be', u'been', u'being', u'have', u'has', u'had', u'having', u'do', u'does', u'did', u'doing', u'a', u'an', u'the', u'and', u'but', u'if', u'or', u'because', u'as', u'until', u'while', u'of', u'at', u'by', u'for', u'with', u'about', u'against', u'between', u'into', u'through', u'during', u'before', u'after', u'above', u'below', u'to', u'from', u'up', u'down', u'in', u'out', u'on', u'off', u'over', u'under', u'again', u'further', u'then', u'once', u'here', u'there', u'when', u'where', u'why', u'how', u'all', u'any', u'both', u'each', u'few', u'more', u'most', u'other', u'some', u'such', u'no', u'nor', u'not', u'only', u'own', u'same', u'so', u'than', u'too', u'very', u's', u't', u'can', u'will', u'just', u'don', u'should', u'now']
NLTK中的电影评论数据集（标准称为Movie Reviews Corpus）是具有情感极性分类的2k电影评论的文本数据集（来源：{{ 3}}）
它通常用于教程目的，以介绍NLP和情感分析，请参阅http://www.nltk.org/book/ch02.html和http://www.nltk.org/book/ch06.html
WordNet 是英语词汇数据库（它就像词汇/词典中的词汇/词典）（来源：nltk NaiveBayesClassifier training for sentiment analysis）。
在NLTK中，它结合了开放式多语言WordNet（https://wordnet.princeton.edu/），允许您查询其他语言的单词。
因为它也是一个单词列表（在这种情况下包含许多其他内容，关系，引理，POS等），所以它也是在NLTK中使用nltk.corpus调用的。
在NLTK中使用wordnet的规范成语是这样的：
>>> from nltk.corpus import wordnet as wn
>>> wn.synsets('dog')
[Synset('dog.n.01'), Synset('frump.n.01'), Synset('dog.n.03'), Synset('cad.n.01'), Synset('frank.n.02'), Synset('pawl.n.01'), Synset('andiron.n.01'), Synset('chase.v.01')]
理解/学习NLP术语和基础知识的最简单方法是在NLTK书中学习这些教程：http://compling.hss.ntu.edu.sg/omw/