spanish - wordnet python

Encontrar los nombres adecuados utilizando NLTK WordNet

Question

¿Hay alguna forma de encontrar nombres propios usando NLTK WordNet? Es decir, ¿puedo etiquetar nombres posesivos usando nltk Wordnet?

Answer 1

Creo que lo que necesitas es un etiquetador , un etiquetador de parte de discurso. Esta herramienta asigna una etiqueta de parte del discurso (por ejemplo, nombre propio, pronombre posesivo, etc.) a cada palabra en una oración.

NLTK incluye algunos etiquetadores: http://nltk.org/book/ch05.html

También está el etiquetador de partes de habla de Stanford (código abierto también, mejor rendimiento).

Answer 2

No creo que necesites WordNet para encontrar nombres propios, sugiero que pos_tag etiquetador de parte de discurso pos_tag .

Para encontrar nombres adecuados, busque la etiqueta NNP :

from nltk.tag import pos_tag

sentence = "Michael Jackson likes to eat at McDonalds"
tagged_sent = pos_tag(sentence.split())
# [(''Michael'', ''NNP''), (''Jackson'', ''NNP''), (''likes'', ''VBZ''), (''to'', ''TO''), (''eat'', ''VB''), (''at'', ''IN''), (''McDonalds'', ''NNP'')]

propernouns = [word for word,pos in tagged_sent if pos == ''NNP'']
# [''Michael'',''Jackson'', ''McDonalds'']

Es posible que no esté muy satisfecho, ya que Michael y Jackson se dividen en 2 tokens, entonces es posible que necesite algo más complejo, como el etiquetador de nombres de entidad.

Por derecho, como lo documenta el conjunto de penntreebank , para los nombres posesivos, simplemente puede buscar la etiqueta POS , http://www.mozart-oz.org/mogul/doc/lager/brill-tagger/penn.html . Pero a menudo el etiquetador no etiqueta POS cuando es un NNP .

Para encontrar los Nombres Posesivos, busque str.endswith ("''s") o str.endswith ("s''"):

from nltk.tag import pos_tag

sentence = "Michael Jackson took Daniel Jackson''s hamburger and Agnes'' fries"
tagged_sent = pos_tag(sentence.split())
# [(''Michael'', ''NNP''), (''Jackson'', ''NNP''), (''took'', ''VBD''), (''Daniel'', ''NNP''), ("Jackson''s", ''NNP''), (''hamburger'', ''NN''), (''and'', ''CC''), ("Agnes''", ''NNP''), (''fries'', ''NNS'')]

possessives = [word for word in sentence if word.endswith("''s") or word.endswith("s''")]
# ["Jackson''s", "Agnes''"]

Alternativamente, puedes usar ne_chunk pero no parece hacer mucho más a menos que estés preocupado sobre qué tipo de Nombre propio obtienes de la oración:

>>> from nltk.tree import Tree; from nltk.chunk import ne_chunk
>>> [chunk for chunk in ne_chunk(tagged_sent) if isinstance(chunk, Tree)]
[Tree(''PERSON'', [(''Michael'', ''NNP'')]), Tree(''PERSON'', [(''Jackson'', ''NNP'')]), Tree(''PERSON'', [(''Daniel'', ''NNP'')])]
>>> [i[0] for i in list(chain(*[chunk.leaves() for chunk in ne_chunk(tagged_sent) if isinstance(chunk, Tree)]))]
[''Michael'', ''Jackson'', ''Daniel'']

Usar ne_chunk es un poco detallado y no te da los posesivos.