使用我自己的标记语料库进行NLTK POS标记？

Question

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') ...]]

Answer 1

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'))