[英]How to use a regex backoff tagger in python NLTK to override NN's?
我一直在使用经过自定义训练的nltk pos_tagger,有时我会得到一些明显的动词(以ING或ED结尾)作为NN。 如何通过附加的regexpTagger使标记器处理所有NN,以查找附加动词?
我为辅助正则表达式标记器提供了一些示例代码。
from nltk.tag.sequential import RegexpTagger
rgt = RegexpTagger(
(r'.*ing$', 'VBG'), # gerunds
(r'.*ed$', 'VBD'), # past tense verbs
])
谢谢
这是tri_gram标记器,它由bi-gram(由uni-gram来支持)支持,而主要的退避摇篮是regex摇篮。 因此,如果其他标记器中的任何一个未能根据此处定义的规则对其进行标记,则此处最后的标记将留给正则表达式。 希望这可以帮助您构建自己的规则正则表达式标记器。
from nltk.corpus import brown
import sys
from nltk import pos_tag
from nltk.tokenize import word_tokenize
import nltk
from nltk import ne_chunk
def tri_gram():
##Trigram tagger done by training data from brown corpus
b_t_sents=brown.tagged_sents(categories='news')
##Making n-gram tagger using Turing backoff
default_tagger = nltk.RegexpTagger(
[(r'^-?[0-9]+(.[0-9]+)?$', 'CD'), # cardinal numbers
(r'(The|the|A|a|An|an)$', 'AT'), # articles
(r'.*able$', 'JJ'), # adjectives
(r'.*ness$', 'NN'), # nouns formed from adjectives
(r'.*ly$', 'RB'), # adverbs
(r'.*s$', 'NNS'), # plural nouns
(r'.*ing$', 'VBG'), # gerunds
(r'.*ed$', 'VBD'), # past tense verbs
(r'.*', 'NN') # nouns (default)
])
u_gram_tag=nltk.UnigramTagger(b_t_sents,backoff=default_tagger)
b_gram_tag=nltk.BigramTagger(b_t_sents,backoff=u_gram_tag)
t_gram_tag=nltk.TrigramTagger(b_t_sents,backoff=b_gram_tag)
##pos of given text
f_read=open(sys.argv[1],'r')
given_text=f_read.read();
segmented_lines=nltk.sent_tokenize(given_text)
for text in segmented_lines:
words=word_tokenize(text)
sent = t_gram_tag.tag(words)
print ne_chunk(sent)
tri_gram()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.