python - with - ¿Qué significa NN VBD IN DT NNS RB en NLTK?

nltk with python

Question

cuando particiono texto, obtengo muchos códigos en la salida como NN, VBD, IN, DT, NNS, RB . ¿Hay una lista documentada en algún lugar que me diga el significado de estos? He intentado googlear nltk chunk code nltk chunk grammar nltk chunk tokens .

Pero no puedo encontrar ninguna documentación que explique qué significan estos códigos.

Answer 1

A pesar de que los enlaces anteriores tienen todo tipo. Pero espero que esto todavía sea útil para alguien, agregaron algunos que se pierden en otros enlaces.

CC : conjunción coordinadora

CD : número cardinal

DT : determinante

EX : existencial hay

FW : palabra extranjera

EN : Preposición o conjunción subordinante.

JJ : Adjetivo

VP : Frase verbal

JJR : Adjetivo, comparativo

JJS : Adjetivo, superlativo.

LS : marcador de elemento de lista

MD : Modal

NN : Sustantivo, singular o masa.

NNS : Sustantivo, plural

PP : Frase de Preposición

NNP : nombre propio, frase singular

NNPS : Nombre propio, plural

PDT : pre determinante

POS : final posesivo

PRP : Frase del pronombre personal

PRP : Frase de pronombre posesivo

RB : Adverbio

RBR : Adverbio, comparativo

RBS : Adverbio, superlativo

RP : partícula

S : Cláusula declarativa simple

SBAR : Cláusula introducida por una conjunción subordinada (posiblemente vacía)

SBARQ : Pregunta directa introducida por una wh-word o una wh-frase.

SINV : oración declarativa invertida, es decir, una en la que el sujeto sigue el verbo tenso o modal.

SQ : Pregunta invertida de sí / no, o cláusula principal de una pregunta-wh, después de la frase wh en SBARQ.

SYM : Símbolo

VBD : Verbo, tiempo pasado

VBG : Verbo, gerundio o participio presente

VBN : verbo, participio pasado

VBP : Verbo, no-tercera persona singular presente

VBZ : Verbo, tercera persona singular presente

WDT : Wh-determiner

WP : wh-pronombre

WP : Posesivo wh-pronombre

WRB : wh-adverbio

Answer 2

Las etiquetas que ve no son el resultado de los fragmentos, sino el etiquetado de POS que se produce antes de la fragmentación. Es el conjunto de etiquetas Penn Treebank, vea https://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html

>>> from nltk import word_tokenize, pos_tag, ne_chunk
>>> sent = "This is a Foo Bar sentence."
# POS tag.
>>> nltk.pos_tag(word_tokenize(sent))
[(''This'', ''DT''), (''is'', ''VBZ''), (''a'', ''DT''), (''Foo'', ''NNP''), (''Bar'', ''NNP''), (''sentence'', ''NN''), (''.'', ''.'')]
>>> tagged_sent = nltk.pos_tag(word_tokenize(sent))
# Chunk.
>>> ne_chunk(tagged_sent)
Tree(''S'', [(''This'', ''DT''), (''is'', ''VBZ''), (''a'', ''DT''), Tree(''ORGANIZATION'', [(''Foo'', ''NNP''), (''Bar'', ''NNP'')]), (''sentence'', ''NN''), (''.'', ''.'')])

Para obtener los fragmentos, busque subárboles dentro de los resultados fragmentados. De la salida anterior, el Tree(''ORGANIZATION'', [(''Foo'', ''NNP''), (''Bar'', ''NNP'')]) indica el fragmento.

Este sitio tutorial es bastante útil para explicar el proceso de fragmentación en NLTK: http://www.eecis.udel.edu/~trnka/CISC889-11S/lectures/dongqing-chunking.pdf .

Para obtener documentación oficial, consulte http://www.nltk.org/howto/chunk.html

Answer 3

Según lo dicho por Alvas anteriormente, estas etiquetas son parte del discurso que indica si una palabra / frase es una frase Sustantiva, Adverbio, determinante, verbo, etc.

Aquí están los detalles de la etiqueta POS que puede consultar.

Chunking recovers the phrased from the Part of speech tags

Puede referirse a este link para leer acerca de fragmentación.