Question

我希望每个人都做得很好。
我一直在关注使用NLTK的SentDex的Youtube教程，目的是创建名称识别程序。正如您从下面的代码中看到的那样，我已经成功地实现了＆＃39; chunk＆＃39;名。但是，我想要做的就是把所有的＆＃39; chunked＆＃39;将名称命名为数组，以便我可以轻松选择名称。这可能吗？如果不是，还有另一种方式吗？

import nltk
from nltk.corpus import state_union
from nltk.tokenize import PunktSentenceTokenizer

train_text = state_union.raw("2005-GWBush.txt")
sample_text = state_union.raw("2006-GWBush.txt")

custom_sent_tokenizer = PunktSentenceTokenizer(train_text)

tokenized = custom_sent_tokenizer.tokenize(sample_text)
namedEnt=""
def process_content():
    try:
        for i in tokenized[5:]:
            words = nltk.word_tokenize(i)
            tagged = nltk.pos_tag(words)
            namedEnt = nltk.ne_chunk(tagged,binary=True)
            namedEnt.draw()

    except Exception as e:
        print(str(e))




process_content()

Answer 1

获取每个句子的标签，您可以使用Tree.pos()并按第二个元素过滤该列表，'NE'表示命名实体。

def process_content():
    names = []
    try:
        for i in tokenized[5:]:
            words = nltk.word_tokenize(i)
            tagged = nltk.pos_tag(words)
            namedEnt = nltk.ne_chunk(tagged,binary=True)
            tags = namedEnt.pos()
            names.append([x[0][0] for x in tags if x[1] == 'NE'])

    except Exception as e:
        print(str(e))
    return names

使用python的NLTK进行名称识别

1 个答案: