一、简介
1.Natural Language ToolKit(NLTK) 自然语言处理包:是一个用于自然语言处理和文本分析的综合性python库。用于NLP的研究和开发。
2.NLTK 文档和API 可在http://text-processing.com. 查看。
3.Tokenization(标记化)标记化是将字符串拆分成一个片段或标记列表的过程。一个符号是一个整体的一部分,所以一个单词是一个句子中的一个标记,而一个句子是一个段落中的一个标记。
4.WordNet:一种基于认知语言学的英语词典。它不是光把单词以字母顺序排列,而且按照单词的意义组成一个“单词的网络”。是为自然语言处理系统编程访问而设计的词典。
它有许多不同的用例:
比如 查找单词的定义、寻找同义词(synonyms)和反义词(antonyms)、探讨词的关系与相似性、具有多种用途和定义的词的词义消歧。
NLTK包含一个Wordnet语料库阅读器(WordNet corpus reader),我们将使用它来访问Wordnet。语料库只是一个文本,而语料库阅读器的目的是使访问一个语料库比直接文件访问容易得多。
二、做好准备
安装NLTK前需要安装python环境,我电脑win10装的是python3.6 64位。编译器安的是pyCharm
这里我以pyCharm安装NLTK为例,如果不用编译器下载,则访问下面的网址下载安装
第一步先装python。第二步装NumPy。
第三步装NLTK 时 会报如下错误(现在还没搞明白) 果断弃坑,转用pyCharm安装