Question

我是python的新手，我正在给nltk一个机会。我发现了以下内容：

namedEnt = nltk.ne_chunk(tagged)

标记为

的地方

tagged = nltk.pos_tag(words)

和单词是句子的标记。

我想删除namedEnt的停用词。我能够首先从令牌中删除停止词然后然后块，但是不能分块然后删除停止词。
是否可能？如果是这样，我怎么能这样做？

例如：句子 - “给我今天的菜单。”被标记为

（'get'，'VB'）（'我'，'PRP'）（'今天'，'JJ'）（'菜单'，'NN'）（'。'，'。'）

我想得到

（ '得到'， 'VB'）（ '今天'， 'J-J'）（ '菜单'， 'N-N'）（ ' ''。'）

Answer 1

不确定我是否得到了你想要的东西（如果你从下面的例子中过滤到nltk.ne_chunk，它可能会导致错误的输出，因为ne_chunk期望我猜一个语法句子），但你的输入输出可以在以下方式：

>>> import nltk
>>> words = ['Get', 'me', 'todays', 'menu', '.']
>>> tagged = nltk.pos_tag(words)
>>> tagged
[('Get', 'NN'), ('me', 'PRP'), ('todays', 'VBZ'), ('menu', 'NN'), ('.', '.')]
>>> filtered = [t for t in tagged if not t[0] in set(nltk.corpus.stopwords.words('english'))]
>>> filtered
[('Get', 'NN'), ('todays', 'VBZ'), ('menu', 'NN'), ('.', '.')]

再次，不确定这实际上是多么有用。您的示例中的NamedEnt返回树结构，因此您必须遍历此树以提取您感兴趣的任何内容，这可能意味着无论如何都要跳过停用词......

Python - 如何提取分块元素？

1 个答案: