Was sind alle möglichen Pos-Tags von NLTK?

Wie finde ich eine Liste mit allen möglichen Pos-Tags, die vom Natural Language Toolkit (nltk) verwendet werden?

5 Solutions collect form web for “Was sind alle möglichen Pos-Tags von NLTK?”

Das Buch hat eine Notiz, wie man Hilfe bei Tag-Sets findet, zB:

nltk.help.upenn_tagset() 

Andere sind wahrscheinlich ähnlich. (Hinweis: Vielleicht musst du zuerst tagsets aus dem Download-Helper's Models- Bereich herunterladen)

Der Tag-Set hängt vom 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 überprüfen, welcher Tagger der Standard-Tagger ist wie folgt:

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

Das bedeutet, dass es ein Maximum Entropy-Tagger ist, der auf dem Treebank-Korpus trainiert wurde.

nltk.tag._POS_TAGGER existiert nicht mehr in NLTK 3, aber die Dokumentation besagt, dass der off-the-shelf-Tagger immer noch den Penn Treebank-Tags verwendet.

Um einige Leute irgendwann zu retten, hier ist eine Liste, die ich aus einem kleinen Korpus extrahiert habe. Ich weiß nicht, ob es komplett ist, aber es sollte die meisten (wenn nicht alle) der Hilfe-Definitionen von upenn_tagset haben …

CC : Konjunktion, koordinieren

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

CD : 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 : bestimmt

 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 : existentieller dort

 there 

IN : 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, ordinal

 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 : Listenelement-Marker

 A A. B B. C C. DEF First GHIJK One SP-44001 SP-44002 SP-44005 SP-44007 Second Third Three Two * abcd first five four one six three two 

MD : modales Hilfsmittel

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

NN : Substantiv, gemein, Singular oder Masse

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

NNP : Substantiv, richtig, Singular

 Motown Venneboerger Czestochwa Ranzer Conchita Trumplane Christos Oceanside Escobar Kreisler Sawyer Cougar Yvette Ervin ODI Darryl CTCA Shannon AKC 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 : Vorbestimmung

 all both half many quite such sure this 

POS : Genitiv-Marker

 ' 's 

PRP : 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 us 

PRP $: Pronomen, besitzergreifend

 her his mine my our ours their thy your 

RB : 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 worst 

RP : Teilchen

 aboard about across along apart around aside at away back before behind by crop down ever fast for forth from go high ie 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 : "to" als Präposition oder Infinitivmarker

 to 

UH : 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, Basisformular

 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, Vergangenheit

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

VBG : Verb, Partizipat oder Gerund

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

VBN : Verb, vergangenes Partizip

 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 whichever 

WP : WH-Pronomen

 that what whatever whatsoever which who whom whosoever 

WRB : Wh-Adverb

 how however whence whenever where whereby whereever wherein whereof why 

Die untengenannte kann nützlich sein, um auf einen Dict zuzugreifen, der durch Abkürzungen verknüpft 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 ist auf der offiziellen Seite verfügbar

Kopieren und Einfügen von dort:

  • CC | Koordination der Konjunktion |
  • CD | Kardinalzahl |
  • DT | Determiner |
  • EX | Existential dort |
  • FW | Fremdwort |
  • IN | Präposition oder Unterordnung der Konjunktion |
  • JJ | Adjektiv |
  • JJR | Adjektiv, vergleichend |
  • JJS | Adjektiv, Superlativ |
  • LS | Listenelement marker |
  • MD | Modal |
  • NN | Substantiv, Singular oder Masse |
  • NNS | Substantiv, Plural |
  • NNP | Richtiges Nomen, Singular |
  • NNPS | Richtiges Substantiv, Plural |
  • PDT | Predeterminer |
  • POS | Possessives Ende |
  • PRP | Persönliches Pronomen |
  • PRP $ | Possessivpronomen |
  • RB | Adverb |
  • RBR | Adverb, vergleichend |
  • RBS | Adverb, Superlativ |
  • RP | Teilchen |
  • SYM | Symbol |
  • ZU | Zu |
  • UH | Interjektion |
  • VB | Verb, Grundform |
  • VBD | Verb, Vergangenheit
  • VBG | Verb, gerund oder Partizip
  • VBN | Verb, vergangenes Partizip |
  • VBP | Verb, Nicht-3. Person Singular Geschenk |
  • VBZ | Verb, 3. Person Singular Gegenwart |
  • WDT | Wh-determiner |
  • WP | Wh-Pronomen |
  • WP $ | Possessives wh-Pronomen |
  • WRB | Wh-Adverb |
  • Hat NLTK ein Werkzeug für die Abhängigkeitsanalyse?
  • Ressource u'tokenizers / punkt / english.pickle 'nicht gefunden
  • Ordnungsnummernersatz
  • Wahrscheinlichkeitsbaum für Sätze in nltk, die sowohl Blick- als auch Rückblickabhängigkeiten einsetzen
  • Erhalten Sie Standortkoordinaten mit Bing oder Google API in Python
  • Wie man Worte in einem Korpusdokument zählt
  • Effiziente Term-Dokument-Matrix mit NLTK
  • Python nltk Schlüsselwort Extraktion aus Satz
  • So verwenden Sie mehrere Versionen von Python ohne Deinstallation
  • Konvertieren von Wörtern zwischen Verb / Nomen / Adjektivformen
  • Graf Verben, Substantive und andere Teile der Rede mit Python's NLTK
  • Python ist die beste Programmiersprache der Welt.