Tất cả các thẻ pos có thể có của NLTK là gì?


140

Làm cách nào để tìm danh sách với tất cả các thẻ pos có thể được sử dụng bởi Bộ công cụ ngôn ngữ tự nhiên (nltk)?

Câu trả lời:


151

Cuốn sách có một lưu ý về cách tìm trợ giúp trên các bộ thẻ, ví dụ:

nltk.help.upenn_tagset()

Những người khác có lẽ là tương tự. (Lưu ý: Có thể trước tiên bạn phải tải xuống tagsetstừ phần Mô hình của trình trợ giúp tải xuống cho việc này)


3
Bây giờ tôi tò mò: điều gì là bí ẩn về điều này? Tôi chưa bao giờ thực sự sử dụng NLTK và tìm câu trả lời đó đã cho tôi năm phút của googling và tìm kiếm ... Là nó thực sự ẩn?
phipsgabler

5
Tôi nghĩ đó không phải là câu hỏi về cách ẩn, điều này cũng xuất hiện đối với tôi chỉ cố gắng gắn thẻ một câu, bởi vì tôi đang tìm kiếm lý do tại sao nltk gắn các động từ của tôi dưới dạng danh từ và tôi không biết các thẻ khác nhau như thế nào có thể được sử dụng. Điều này cũng hữu ích cho việc này, cảm ơn!
Phonebox 04/07/2015

2
@phipsgabler nếu người khác giống tôi, tôi đã kỳ vọng sai. Tôi mong đợi một bảng tra cứu / danh sách / bản đồ, ánh xạ các từ viết tắt pos giống như RBý nghĩa của chúng adverb. ( Dưới đây là một ví dụ ; hoặc xem câu trả lời của @ Suzana, liên kết với Bộ thẻ của Tree Tree ). Nhưng bạn nói đúng, dựng sẵn nltk.help.upenn_tagset('RB')là hữu ích, và đề cập sớm trong nltkcuốn sách ,
The Red Pea

137

Để tiết kiệm thời gian, đây là danh sách tôi trích xuất từ ​​một kho nhỏ. Tôi không biết nó đã hoàn thành chưa, nhưng nó nên có hầu hết (nếu không phải tất cả) các định nghĩa trợ giúp từ upenn_tagset ...

CC : kết hợp, phối hợp

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

CD : số, hồng y

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 : bộ xác định

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 : tồn tại ở đó

there

IN : giới từ hoặc kết hợp, cấp dưới

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 : tính từ hoặc số, thứ tự

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

JJR : tính từ, so sánh

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

JJS : tính từ, so sánh nhất

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

LS : danh sách đánh dấu mục

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

MD : phụ trợ phương thức

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

NN : danh từ, chung, số ít hoặc khối

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

NNP : danh từ, thích hợp, số ít

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

NNS : danh từ, chung, số nhiều

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

PDT : tiền xác định

all both half many quite such sure this

POS : điểm đánh dấu di truyền

' 's

PRP : đại từ, cá nhân

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 $: đại từ, sở hữu

her his mine my our ours their thy your

RB : trạng từ

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

RBR : trạng từ, so sánh

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 : trạng từ, bậc nhất

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

RP : hạt

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

TO : "đến" là giới từ hoặc điểm đánh dấu nguyên bản

to

UH : xen vào

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 : động từ, dạng cơ sở

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 : động từ, thì quá khứ

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

VBG : động từ, hiện tại phân từ hoặc gerund

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

VBN : động từ, quá khứ phân từ

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

VBP : động từ, thì hiện tại, không phải ngôi thứ 3 số ít

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 : động từ, thì hiện tại, số ít người thứ 3

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-quyết định

that what whatever which whichever

WP : đại từ WH

that what whatever whatsoever which who whom whosoever

WRB : trạng từ

how however whence whenever where whereby whereever wherein whereof why

2
@PALEN còn thiếu gì?
binarymax

2
Thiếu: $, '', (, ), ,, --, ., :, FW, NNPS, SYM, WP$, [hai backticks]. Xem nltk.help.upenn_tagset().

6
Cảm ơn! Điều này nên được chọn câu trả lời vì điều này là toàn diện hơn nhiều so với chỉ trả lời, về cơ bản, nhập một cái gì đó trong bảng điều khiển của bạn để tìm hiểu.
slartibartfast

63

Bộ thẻ phụ thuộc vào kho văn bản được sử dụng để huấn luyện người gắn thẻ. Trình gắn thẻ mặc định của việc nltk.pos_tag()sử dụng Bộ thẻ Penn Treebank .

Trong NLTK 2, bạn có thể kiểm tra xem tagger nào là tagger mặc định như sau:

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

Điều đó có nghĩa là đó là một công cụ gắn thẻ Entropy tối đa được đào tạo trên kho văn bản Treebank.

nltk.tag._POS_TAGGERkhông còn tồn tại nữa trong NLTK 3 nhưng tài liệu nói rằng trình gắn thẻ ngoài giá vẫn sử dụng bộ thẻ Penn Treebank.


6
Cảm ơn bạn, imo đây là một câu trả lời hữu ích hơn nhiều so với câu trả lời được chấp nhận.
Dale

3
Đây là một câu trả lời không đầy đủ. Thứ nhất, nltk.tag._POS_TAGGERkhông thực thi và không có hướng dẫn cụ thể nào được cung cấp về những gì cần nhập. Ngoài ra, việc tìm ra tagger đang được sử dụng là một nửa câu trả lời, câu hỏi là yêu cầu lấy danh sách tất cả các thẻ có thể có trong tagger
Hamman Samuel

3
Đó là kho văn bản chứ không phải trình đánh dấu xác định bộ thẻ. Ngay khi bạn biết tên kho văn bản, bộ thẻ hoàn chỉnh chỉ là một tìm kiếm Google.
Suzana

34

Dưới đây có thể hữu ích để truy cập một dict keyed bằng chữ viết tắt:

>>> 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
Tôi thích cách tiếp cận này hơn giải pháp được chấp nhận, bởi vì nó đơn giản hơn và liệt kê rõ ràng các giá trị có thể có
Hamman Samuel

1
Làm thế nào chúng tôi chắc chắn rằng đây là bộ thẻ được sử dụng bởi người gắn thẻ được sử dụng? Afaik nltk có thể sử dụng một số taggers.
Nikana Reklawyks

Đồng ý với Hamman, cách này có thêm phần thưởng cho phép bạn tìm kiếm ý nghĩa theo chương trình
datavoredan

28

Các tài liệu tham khảo có sẵn tại trang web chính thức

Sao chép và dán từ đó:

  • CC | Phối hợp |
  • CD | Số hồng y |
  • DT | Xác định |
  • EX | Hiện sinh ở đó |
  • FW | Từ nước ngoài |
  • VÀO | Giới từ hoặc kết hợp cấp dưới |
  • JJ | Tính từ |
  • JJR | Tính từ, so sánh |
  • JJS | Tính từ, so sánh |
  • LS | Danh sách đánh dấu mục |
  • MD | Phương thức |
  • NN | Danh từ, số ít hoặc khối lượng |
  • NNS | Danh từ, số nhiều |
  • NNP | Danh từ riêng, số ít |
  • NNPS | Danh từ riêng, số nhiều |
  • PDT | Predeterminer |
  • POS | Kết thúc sở hữu |
  • PRP | Đại từ nhân xưng |
  • PRP $ | Đại từ sở hữu |
  • RB | Trạng từ |
  • RBR | Trạng từ, so sánh |
  • RBS | Trạng từ, bậc nhất |
  • RP | Hạt |
  • TRIỆU CHỨNG | Biểu tượng |
  • ĐẾN | đến |
  • UH | Thán từ |
  • VB | Động từ, dạng cơ sở |
  • VBD | Động từ, thì quá khứ |
  • VBG | Động từ, gerund hoặc hiện tại phân từ |
  • VBN | Động từ, quá khứ phân từ |
  • VBP | Động từ, hiện tại số ít người thứ 3 |
  • VBZ | Động từ, hiện tại số ít người thứ 3 |
  • WDT | Wh-quyết định |
  • WP | Đại từ |
  • WP $ | Sở hữu wh-đại từ |
  • VIẾT | Trạng từ |


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']

Dựa trên phương pháp của Doug Shore nhưng làm cho nó thân thiện hơn với việc sao chép-dán


Tôi chấp nhận điều này như một đóng góp thuận tiện. Tôi đã xem xét cải thiện định dạng, nhưng điều đó có thể đi ngược lại mục đích của bài đăng này. Vui lòng xem xét chỉnh sửa ing và sử dụng định dạng mã kết hợp với dòng mới để có được cả hai, định dạng đẹp và sao chép-dán-thân thiện. stackoverflow.com/editing-help
Yunnosch

Tôi đã xem xét việc này, nhưng tôi nghĩ nó sẽ làm cho nó ít thuận tiện hơn.
Fluffy Ribbit

0

Chỉ cần chạy nguyên văn này.

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

nltk.tag._POS_TAGGERsẽ không làm việc Nó sẽ cung cấp cho AttributionError: mô-đun 'nltk.tag' không có thuộc tính '_POSiahGER' . Nó không có sẵn trong NLTK 3 nữa.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.