[英]NLTK POS tagging using my own tagged corpus?
我正在尝试使用NLTK为Dothraki语言编写基本的POS标记器。 与布朗语料库相似,我有自己的.txt文件,其中包含单词及其相关的词性。 例如...
Anha / PRP vidrik / VBP khalasares / NN anni / NN jim / NN
我想做的是将该语料库加载到NLTK中,并能够看到单词旁边的词性,类似于Brown语料库的用法。 所以这就是我在做什么:
from nltk.corpus.reader import TaggedCorpusReader
corpus_root = '...'
dothraki_corpus_tagged = TaggedCorpusReader(corpus_root, ".*", ".txt")
print (dothraki_corpus_tagged.tagged_sents('dt01.txt'))
但是我的结果是:
[[('Anha/PRP', None), ('vidrik/VBP', None), ('khalasares/NN', None), ('anni/NN', None), ('jim/NN', None)]]
代替
[[('Anha', 'PRP'), ('vidrik', 'VBP') ...]]
因此,我现在感觉有点愚蠢,但是通过从TaggedCorpusReader参数中删除“。*”,我设法获得了想要的东西。 所以我现在得到的是:
dothraki_corpus_tagged = TaggedCorpusReader(corpus_root, ".txt")
print (dothraki_corpus_tagged.tagged_sents('dothraki_01.txt'))
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.