python怎么使用自定义停用词_在Python中使用NLTK删除停用词

当计算机处理自然语言时，某些极端通用的单词似乎在帮助选择符合用户需求的文档方面几乎没有值，因此完全从词汇表中排除了。这些单词称为停用词。

例如，如果您输入的句子为-John is a person who takes care of the people around him.

停止单词删除后，您将获得输出-['John', 'person', 'takes', 'care', 'people', 'around', '.']

NLTK收集了这些停用词，我们可以将其从任何给定的句子中删除。这在NLTK.corpus模块内部。我们可以用它来过滤掉句子中的停用词。例如，

示例from nltk.corpus import stopwords

from nltk.tokenize import word_tokenize

my_sent = "约翰是一个照顾他周围人的人。"

tokens = word_tokenize(my_sent)

filtered_sentence = [w for w in tokens if not w in stopwords.words()]

print(filtered_sentence)

输出结果

这将给出输出-['John', 'person', 'takes', 'care', 'people', 'around', '.']