NLP：NLTK、spaCy、pattern库

NLTK

• NLTK词频统计（Frequency）
• NLTK去除停用词（stopwords）
• NLTK分句和分词（tokenize）
• NLTK词干提取 （Stemming）
• NLTK词形还原（Lemmatization）  
• NLTK词性标注（POS Tag）
• NLTK中的wordnet
• 使用方法：https://blog.csdn.net/asialee_bird/article/details/85936784

• No module named ‘en_core_web_sm‘的问题：：https://blog.csdn.net/weixin_43975374/article/details/107442194

spaCy

• 分句sentencizer
• 分词Tokenization
• 词性标注Part-of-speech tagging
• 词形还原Lemmatization
• 识别停用词Stop words
• 依存分析Dependency Parsing
• 提取名词短语Noun Chunks
• 命名实体识别Named Entity Recognization
• 指代消解Coreference Resolution
• 依存分析可视化Display
• 知识提取
• 官网：https://spacy.io/
• 使用方法：https://www.jianshu.com/p/e6b3565e159d

pattern

官网：https://github.com/clips/pattern

区别于以上两个库的最大优点就是

可以根据要求输出一个动词的不同时态的形式！！

细致讲解：https://blog.csdn.net/weixin_43975374/article/details/107484781

from pattern.en import conjugate, lemma, lexeme, PRESENT, INFINITIVE, PAST, FUTURE, SG, PLURAL, PROGRESSIVE
vb_word = "be"
print(conjugate(vb_word, tense=PRESENT, person=1, number=SG))
print(conjugate(vb_word, tense=PRESENT, person=2, number=SG))
print(conjugate(vb_word, tense=PRESENT, person=3, number=SG))
print(conjugate(vb_word, tense=PRESENT, number=PLURAL))
print(conjugate(vb_word, tense=PRESENT, aspect=PROGRESSIVE))
print(conjugate(vb_word, tense=INFINITIVE))
print(conjugate(vb_word, tense=PAST, aspect=PROGRESSIVE))