Які всі можливі позначки NLTK?


141

Як знайти список із усіма можливими позначками, які використовуються у Наборі з природних мов (nltk)?

Відповіді:


151

У книзі є примітка, як знайти довідку щодо наборів тегів, наприклад:

nltk.help.upenn_tagset()

Інші, мабуть, схожі. (Примітка. Можливо, для цього спочатку потрібно завантажити tagsetsз розділу Моделі помічника )


3
Зараз мені цікаво: що так загадкового в цьому? Я ніколи не використовував NLTK, і виявлення цієї відповіді зайняло у мене п’ять хвилин гуглювання та пошуку ... Це справді це приховано?
phipsgabler

5
Я думаю, що це не питання про те, наскільки приховано, це також вийшло для мене, просто намагаючись позначити одне речення, тому що я шукаю причину, чому nltk позначає мої дієслова як іменники, і я не знав, як різні теги може бути використаний. Це теж було корисно для цього, дякую!
Телефонна скринька

2
@phipsgabler, якщо інші схожі на мене, я мав помилкові сподівання. Я очікував таблицю пошуку / списку / карту, відображаючи посрібні акроніми як RBїх значення adverb. ( Ось приклад ; або дивіться відповідь @ Suzana , яка посилається набір тегів Penn Treebank ). Але ти маєш рацію, nltk.help.upenn_tagset('RB')корисний вбудований і згадується на початку nltkкниги ,
Червоний горох

137

Щоб заощадити людей на деякий час, ось список, який я витягнув з невеликого корпусу. Я не знаю, чи він повний, але він повинен мати більшість (якщо не всі) визначень довідки з upenn_tagset ...

CC : сполучення, координація

& 'n and both but either et for less minus neither nor or plus so
therefore times v. versus vs. whether yet

CD : числівник, кардинальний

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 : визначник

all an another any both del each either every half la many much nary
neither no some such that the them these this those

EX : екзистенціальність там

there

В : прийменник чи сполучник, підрядний

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 : прикметник чи числівник, порядковий

third ill-mannered pre-war regrettable oiled calamitous first separable
ectoplasmic battery-powered participatory fourth still-to-be-named
multilingual multi-disciplinary ...

JJR : прикметник, порівняльний

bleaker braver breezier briefer brighter brisker broader bumper busier
calmer cheaper choosier cleaner clearer closer colder commoner costlier
cozier creamier crunchier cuter ...

JJS : прикметник, зверх

calmest cheapest choicest classiest cleanest clearest closest commonest
corniest costliest crassest creepiest crudest cutest darkest deadliest
dearest deepest densest dinkiest ...

LS : маркер елемента списку

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
two

МД : модальний допоміжний

can cannot could couldn't dare may might must need ought shall should
shouldn't will would

NN : іменник, загальний, однина чи маса

common-carrier cabbage knuckle-duster Casino afghan shed thermostat
investment slide humour falloff slick wind hyena override subhumanity
machinist ...

NNP : іменник, власний, однина

Motown Venneboerger Czestochwa Ranzer Conchita Trumplane Christos
Oceanside Escobar Kreisler Sawyer Cougar Yvette Ervin ODI Darryl CTCA
Shannon A.K.C. Meltex Liverpool ...

NNS : іменник, спільний, множина

undergraduates scotches bric-a-brac products bodyguards facets coasts
divestitures storehouses designs clubs fragrances averages
subjectivists apprehensions muses factory-jobs ...

PDT : попередній детермінатор

all both half many quite such sure this

POS : генітивний маркер

' 's

ПРП : займенник, особовий

hers herself him himself hisself it itself me myself one oneself ours
ourselves ownself self she thee theirs them themselves they thou thy us

PRP $: займенник, присвійний

her his mine my our ours their thy your

РБ : прислівник

occasionally unabatingly maddeningly adventurously professedly
stirringly prominently technologically magisterially predominately
swiftly fiscally pitilessly ...

РБР : прислівник, порівняльний

further gloomier grander graver greater grimmer harder harsher
healthier heavier higher however larger later leaner lengthier less-
perfectly lesser lonelier longer louder lower more ...

РБС : прислівник, зверх

best biggest bluntest earliest farthest first furthest hardest
heartiest highest largest least less most nearest second tightest worst

РП : частинка

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 you

ДО : "до" як прийменник або інфінітивний маркер

to

UH : заперечення

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 ...

В.Б . : дієслово, основна форма

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 ...

ВБД : дієслово, минулий час

dipped pleaded swiped regummed soaked tidied convened halted registered
cushioned exacted snubbed strode aimed adopted belied figgered
speculated wore appreciated contemplated ...

VBG : дієслово, дієприкметник теперішнього чи дієслова

telegraphing stirring focusing angering judging stalling lactating
hankerin' alleging veering capping approaching traveling besieging
encrypting interrupting erasing wincing ...

VBN : дієслово, минулий дієприкметник

multihulled dilapidated aerosolized chaired languished panelized used
experimented flourished imitated reunifed factored condensed sheared
unsettled primed dubbed desired ...

VBP : дієслово, теперішній час, а не третя особа однини

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 ...

ВБЗ : дієслово, теперішній час, 3-а особа однини

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-визначальник

that what whatever which whichever

WP : WH-займенник

that what whatever whatsoever which who whom whosoever

WRB : Wh-adverb

how however whence whenever where whereby whereever wherein whereof why

2
@PALEN чого не вистачає?
binarymax

2
Відсутні: $, '', (, ), ,, --, ., :, FW, NNPS, SYM, WP$, [два] зворотні лапки. Див nltk.help.upenn_tagset().

6
Дякую! На це слід було обрати відповідь, оскільки це набагато вичерпніше, ніж просто відповідати, по суті, набрати щось у консолі, щоб це дізнатися.
slartibartfast

63

Набір тегів залежить від корпусу, який використовувався для тренування тегера. За замовчуванням Таггер з nltk.pos_tag()ВИКОРИСТОВУЄ Tag Set Penn Treebank .

У NLTK 2 ви можете перевірити, який тег є тегером за замовчуванням, як описано нижче:

import nltk
nltk.tag._POS_TAGGER
>>> 'taggers/maxent_treebank_pos_tagger/english.pickle'

Це означає, що це тег з максимальною ентропією, навчений на корпусі Treebank.

nltk.tag._POS_TAGGERбільше не існує в NLTK 3, але в документації зазначається, що позаштатний тег все ще використовує набір тегів Penn Treebank.


6
Дякую, imo, це набагато корисніша відповідь, ніж прийнята.
Дейл

3
Це неповна відповідь. По-перше, nltk.tag._POS_TAGGERне виконується і не передбачено конкретних інструкцій щодо того, що імпортувати. Також половина відповіді з'ясовує, що використовується теггер - на запитання пропонується отримати список усіх можливих тегів у тегері
Hamman Samuel

3
Саме корпус, а не теггер визначає набір тегів. Як тільки ви дізнаєтесь ім'я корпусу, повний набір тегів знаходиться лише в пошуку Google.
Сузана

34

Нижченаведене може бути корисним для доступу до картинки, введеної абревіатурами:

>>> 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', ...

2
Я вважаю за краще такий підхід, ніж прийняте рішення, тому що він простіший і чітко перераховує можливі значення
Хамман Самуїл

1
Як ми впевнені, що це набір тегів, використовуваний використовуваним тегом? Afaik nltk може використовувати кілька тегерів.
Nikana Reklawyks

Погодьтеся з Хамманом, цей спосіб має додатковий бонус, що дозволяє вам шукати значення програмно
datavoredan

28

Довідка доступна на офіційному сайті

Скопіюйте та вставте звідти:

  • КК | Координаційний зв'язок |
  • CD | Кардинальний номер |
  • DT | Визначальник |
  • EX | Екзистенціальна там |
  • FW | Іноземне слово |
  • В | Прийменник чи підрядний сполучник |
  • JJ | Прикметник |
  • JJR | Прикметник, порівняльний |
  • JJS | Прикметник, зверхний |
  • LS | Маркер елемента списку |
  • МД | Модальний |
  • NN | Іменник, однина чи маса |
  • NNS | Іменник, множина |
  • NNP | Власний іменник, однина |
  • NNPS | Власний іменник, множина |
  • PDT | Продетермінант |
  • POS | Посильне закінчення |
  • PRP | Особовий займенник |
  • PRP $ | Присвійний займенник |
  • RB | Прислівник |
  • RBR | Прислівник, порівняльний |
  • RBS | Прислівник, зверхний |
  • РП | Частка |
  • SYM | Символ |
  • ДО | до |
  • UH | Перехват |
  • VB | Дієслово, основна форма |
  • VBD | Дієслово, минулий час |
  • VBG | Дієслово, герундій чи теперішній дієприкметник |
  • VBN | Дієслово, минулий дієприкметник |
  • ВБП | Дієслово, особа, що не є третьою особою, однини присутній |
  • ВБЗ | Дієслово, третя особа однини присутній |
  • WDT | Wh-визначник |
  • WP | Wh-займенник |
  • WP $ | Присвійний займенник wh |
  • WRB | Wh-прислівник |


1
['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']

На основі методу Дуга Шора, але зробіть його більш зручним для копіювання та вставки


Я приймаю це як внесок зручності. Я розглядав можливість покращення форматування, але це може йти всупереч цілі цієї публікації. Будь ласка, ви можете розглянути можливість редагування та використання форматування коду в поєднанні з новими рядками, щоб отримати одночасно, приємне форматування та зручність копіювання та вставлення. stackoverflow.com/editing-help
Yunnosch

Я думав робити це, але думаю, що це зробить його менш зручним.
Пухнаста стрічка

0

Просто запустіть це дослівно.

import nltk
nltk.download('tagsets')
nltk.help.upenn_tagset()

nltk.tag._POS_TAGGERне буде працювати. Це дасть AttributeError: модуль 'nltk.tag' не має атрибута '_POS_TAGGER' . Він більше не доступний в NLTK 3.

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.