(2 NLTK学习笔记

1、分词
NLTK内置的分词器

from nltk.tokenize import LineTokenizer,SpaceTokenizer,TweetTokenizer
from nltk import word_tokenize

LineTokenizer字符串拆分成行:

lTokenizer=LineTokenizer();
print(“output:, lTokenizer.tokenize(“”))

SpaceTokenizer空格符分词:

rawText=”line…”
sTokenizer= SpaceTokenizer()
print(“output:, sTokenizer.tokenize(rawText))

TweetTokenizer处理特殊字符

tTokenizer=TweetTokenizer()
print(“output:,tTokenizer.tokenize(“”))

2、词干提取

from nltk import PorterStemmer,LancasterStemmer,word_tokenize
raw=”line…”   //分词
tokens = word_t
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值