nltk系列:Lemmatisation和Stemming(NLTK pos_tag word_tokenize)

英文文本预处理

总结非常好的blog
Lemmatisation和Stemming(NLTK pos_tag word_tokenize)

#方法一
from nltk.stem import WordNetLemmatizer
def lemmatize_all(sentence):  #Input:sentence
    wnl=WordNetLemmatizer()
    for word,tag in pos_tag(word_tokenize(sentence)): #分词+词性标注
        if tag.startswith('NN'):
            yield wnl.lemmatize(word,pos='n')
        elif tag.startswith('VB'):
            yield wnl.lemmatize(word, pos='v')
        elif tag.startswith('JJ'):
            yield wnl.lemmatize(word, pos='a')
        elif tag.startswith('R'):
            yield wnl.lemmatize(word, pos='r')
        else:
            yield word

train_f=[]
for i in range(len(train_feature)): #train_feature:sentence就行
    train_f.append(''.join(lemmatize_all(train_feature[i])))


#方法二


python 新语法get
yield的用法详解——最简单,最清晰的解释

def foo(num):
    while num<10:
        num+=1
        yield num
for n in foo(0):
    print(n)

在这里插入图片描述

#_________________________________________________#

分词

新功能get
TreebankWordTokenizer依据PennTreebank语料库的约定,通过分离缩略词来实现切分
PunktWordTokenizer通过分离标点来实现切分的,每一个单词都会被保留
在这里插入图片描述

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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