Antworten:
Das Buch enthält einen Hinweis, wie Sie Hilfe zu Tag-Sets finden, z.
nltk.help.upenn_tagset()Andere sind wahrscheinlich ähnlich. (Hinweis: Möglicherweise müssen Sie dafür zuerst tagsetsden Abschnitt Modelle des Download-Helfers herunterladen. )
RBauf ihre Bedeutung wie abbildet adverb. ( Hier ist ein Beispiel ; oder siehe @ Suzanas Antwort, die das Penn Treebank Tag Set verknüpft ). Aber Sie haben Recht, das eingebaute nltk.help.upenn_tagset('RB')ist hilfreich und wird zu Beginn des nltkBuches erwähnt :
Um einigen Leuten Zeit zu sparen, hier eine Liste, die ich aus einem kleinen Korpus extrahiert habe. Ich weiß nicht, ob es vollständig ist, aber es sollte die meisten (wenn nicht alle) Hilfedefinitionen von upenn_tagset enthalten ...
CC : Konjunktion, Koordination
& 'n and both but either et for less minus neither nor or plus so
therefore times v. versus vs. whether yetCD : Ziffer, Kardinal
mid-1890 nine-thirty forty-two one-tenth ten million 0.5 one forty-
seven 1987 twenty '79 zero two 78-degrees eighty-four IX '60s .025
fifteen 271,124 dozen quintillion DM2,000 ...DT : Bestimmer
all an another any both del each either every half la many much nary
neither no some such that the them these this thoseEX : dort existenziell
thereIN : Präposition oder Konjunktion, untergeordnet
astride among uppon whether out inside pro despite on by throughout
below within for towards near behind atop around if like until below
next into if beside ...JJ : Adjektiv oder Ziffer, Ordnungszahl
third ill-mannered pre-war regrettable oiled calamitous first separable
ectoplasmic battery-powered participatory fourth still-to-be-named
multilingual multi-disciplinary ...JJR : Adjektiv, vergleichend
bleaker braver breezier briefer brighter brisker broader bumper busier
calmer cheaper choosier cleaner clearer closer colder commoner costlier
cozier creamier crunchier cuter ...JJS : Adjektiv, Superlativ
calmest cheapest choicest classiest cleanest clearest closest commonest
corniest costliest crassest creepiest crudest cutest darkest deadliest
dearest deepest densest dinkiest ...LS : Listenelementmarkierung
A A. B B. C C. D E F First G H I J K One SP-44001 SP-44002 SP-44005
SP-44007 Second Third Three Two * a b c d first five four one six three
twoMD : modales Hilfsmittel
can cannot could couldn't dare may might must need ought shall should
shouldn't will wouldNN : Substantiv, allgemein, Singular oder Masse
common-carrier cabbage knuckle-duster Casino afghan shed thermostat
investment slide humour falloff slick wind hyena override subhumanity
machinist ...NNP : Substantiv, Eigen, Singular
Motown Venneboerger Czestochwa Ranzer Conchita Trumplane Christos
Oceanside Escobar Kreisler Sawyer Cougar Yvette Ervin ODI Darryl CTCA
Shannon A.K.C. Meltex Liverpool ...NNS : Substantiv, allgemein, Plural
undergraduates scotches bric-a-brac products bodyguards facets coasts
divestitures storehouses designs clubs fragrances averages
subjectivists apprehensions muses factory-jobs ...PDT : Vorbestimmer
all both half many quite such sure thisPOS : Genitivmarker
' 'sPRP : Pronomen, persönlich
hers herself him himself hisself it itself me myself one oneself ours
ourselves ownself self she thee theirs them themselves they thou thy usPRP $: Pronomen, besitzergreifend
her his mine my our ours their thy yourRB : Adverb
occasionally unabatingly maddeningly adventurously professedly
stirringly prominently technologically magisterially predominately
swiftly fiscally pitilessly ...RBR : Adverb, vergleichend
further gloomier grander graver greater grimmer harder harsher
healthier heavier higher however larger later leaner lengthier less-
perfectly lesser lonelier longer louder lower more ...RBS : Adverb, Superlativ
best biggest bluntest earliest farthest first furthest hardest
heartiest highest largest least less most nearest second tightest worstRP : Partikel
aboard about across along apart around aside at away back before behind
by crop down ever fast for forth from go high i.e. in into just later
low more off on open out over per pie raising start teeth that through
under unto up up-pp upon whole with youTO : "to" als Präposition oder Infinitivmarker
toUH : Interjektion
Goodbye Goody Gosh Wow Jeepers Jee-sus Hubba Hey Kee-reist Oops amen
huh howdy uh dammit whammo shucks heck anyways whodunnit honey golly
man baby diddle hush sonuvabitch ...VB : Verb, Grundform
ask assemble assess assign assume atone attention avoid bake balkanize
bank begin behold believe bend benefit bevel beware bless boil bomb
boost brace break bring broil brush build ...VBD : Verb, Vergangenheitsform
dipped pleaded swiped regummed soaked tidied convened halted registered
cushioned exacted snubbed strode aimed adopted belied figgered
speculated wore appreciated contemplated ...VBG : Verb, Partizip Präsens oder Gerundium
telegraphing stirring focusing angering judging stalling lactating
hankerin' alleging veering capping approaching traveling besieging
encrypting interrupting erasing wincing ...VBN : Verb, Partizip Perfekt
multihulled dilapidated aerosolized chaired languished panelized used
experimented flourished imitated reunifed factored condensed sheared
unsettled primed dubbed desired ...VBP : Verb, Präsens, nicht 3. Person Singular
predominate wrap resort sue twist spill cure lengthen brush terminate
appear tend stray glisten obtain comprise detest tease attract
emphasize mold postpone sever return wag ...VBZ : Verb, Präsens, 3. Person Singular
bases reconstructs marks mixes displeases seals carps weaves snatches
slumps stretches authorizes smolders pictures emerges stockpiles
seduces fizzes uses bolsters slaps speaks pleads ...WDT : WH-Bestimmer
that what whatever which whicheverWP : WH-Pronomen
that what whatever whatsoever which who whom whosoeverWRB : Wh-Adverb
how however whence whenever where whereby whereever wherein whereof why$, '', (, ), ,, --, ., :, FW, NNPS, SYM, WP$, [zwei Backticks]. Siehe nltk.help.upenn_tagset().
Der Tag-Satz hängt von dem Korpus ab, mit dem der Tagger trainiert wurde. Der Standard-Tagger von nltk.pos_tag()verwendet das Penn Treebank-Tag-Set .
In NLTK 2 können Sie wie folgt überprüfen, welcher Tagger der Standard-Tagger ist:
import nltk
nltk.tag._POS_TAGGER
>>> 'taggers/maxent_treebank_pos_tagger/english.pickle'Das bedeutet, dass es sich um einen Maximum Entropy-Tagger handelt, der auf dem Treebank-Korpus trainiert wurde.
nltk.tag._POS_TAGGERexistiert in NLTK 3 nicht mehr, aber die Dokumentation besagt, dass der Standard-Tagger immer noch das Penn Treebank-Tag-Set verwendet.
nltk.tag._POS_TAGGERes nicht ausgeführt und es werden keine spezifischen Anweisungen zum Importieren bereitgestellt. Außerdem ist es die halbe Antwort, herauszufinden, welcher Tagger verwendet wird. Die Frage lautet, eine Liste aller möglichen Tags innerhalb des Taggers zu erhalten
Das Folgende kann nützlich sein, um auf ein Diktat zuzugreifen, das durch Abkürzungen gekennzeichnet ist:
>>> from nltk.data import load
>>> tagdict = load('help/tagsets/upenn_tagset.pickle')
>>> tagdict['NN'][0]
'noun, common, singular or mass'
>>> tagdict.keys()
['PRP$', 'VBG', 'VBD', '``', 'VBN', ',', "''", 'VBP', 'WDT', ...Die Referenz finden Sie unter der offiziellen Website
Von dort kopieren und einfügen:
Sie können die Liste hier herunterladen: ftp://ftp.cis.upenn.edu/pub/treebank/doc/tagguide.ps.gz . Es enthält verwirrende Teile der Sprache, Groß- und Kleinschreibung und andere Konventionen. Auch Wikipedia hat einen interessanten Abschnitt ähnlich. Abschnitt: Verwendete Wortart-Tags.
['LS', 'TO', 'VBN', '' '', 'WP', 'UH', 'VBG', 'JJ', 'VBZ', '-', 'VBP', 'NN' , 'DT', 'PRP', ':', 'WP $', 'NNPS', 'PRP $', 'WDT', '(', ')', '.', ',', '' ' ',' $ ',' RB ',' RBR ',' RBS ',' VBD ',' IN ',' FW ',' RP ',' JJR ',' JJS ',' PDT ',' MD ', 'VB', 'WRB', 'NNP', 'EX', 'NNS', 'SYM', 'CC', 'CD', 'POS']
Basierend auf der Methode von Doug Shore, aber benutzerfreundlicher
Führen Sie dies einfach wörtlich aus.
import nltk
nltk.download('tagsets')
nltk.help.upenn_tagset()nltk.tag._POS_TAGGERwird nicht funktionieren. Es gibt AttributeError: Modul 'nltk.tag' hat kein Attribut '_POS_TAGGER' . Es ist nicht mehr in NLTK 3 verfügbar.