目录
当前位置: 首页 > 文档资料 > Python 文本处理 >

Chunks and Chinks

优质
小牛编辑
122浏览
2023-12-01

分块是根据单词的性质将相似单词分组在一起的过程。 在下面的示例中,我们定义了必须生成块的语法。 语法表示在创建块时将遵循的诸如名词和形容词等短语的序列。 块的图形输出如下所示。

import nltk
sentence = [("The", "DT"), ("small", "JJ"), ("red", "JJ"),("flower", "NN"), 
("flew", "VBD"), ("through", "IN"),  ("the", "DT"), ("window", "NN")]
grammar = "NP: {<nn>?<dt>*<jj>}" 
cp = nltk.RegexpParser(grammar)
result = cp.parse(sentence) 
print(result)
result.draw()
</jj></dt></nn>

改变语法,我们得到一个不同的输出,如下所示。

import nltk
sentence = [("The", "DT"), ("small", "JJ"), ("red", "JJ"),("flower", "NN"),
 ("flew", "VBD"), ("through", "IN"),  ("the", "DT"), ("window", "NN")]
grammar = "NP: {
? * }“chunkprofile = nltk.RegexpParser(grammar)result = chunkprofile.parse(sentence)print(result)result.draw()

Chinking

Chinking是从块中移除一系列令牌的过程。 如果令牌序列出现在块的中间,则删除这些令牌,留下两个已经存在的块。

import nltk
sentence = [("The", "DT"), ("small", "JJ"), ("red", "JJ"),("flower", "NN"), ("flew", "VBD"), ("through", "IN"),  ("the", "DT"), ("window", "NN")]
grammar = r"""
  NP:
    {<.*>+}         # Chunk everything
    }<jj>+{      # Chink sequences of JJ and NN
  """
chunkprofile = nltk.RegexpParser(grammar)
result = chunkprofile.parse(sentence) 
print(result)
result.draw()
</jj>

如您所见,符合语法标准的部分从名词短语中省略为单独的块。 提取不在所需块中的文本的过程称为 chinking。