python - spanish - ¿Cuáles son todas las posibles etiquetas pos de NLTK?
nltk corpus spanish (6)
¿Cómo puedo encontrar una lista con todas las etiquetas de pos posibles utilizadas por Natural Language Toolkit (nltk)?
El conjunto de etiquetas depende del corpus que se utilizó para entrenar al etiquetador. El etiquetador predeterminado de nltk.pos_tag()
utiliza el conjunto de etiquetas de Penn Treebank .
En NLTK 2, puede verificar qué etiquetador es el etiquetador predeterminado de la siguiente manera:
import nltk
nltk.tag._POS_TAGGER
>>> ''taggers/maxent_treebank_pos_tagger/english.pickle''
Eso significa que es un etiquetador de entropía máxima entrenado en el corpus Treebank.
nltk.tag._POS_TAGGER
ya no existe en NLTK 3, pero la documentación indica que el etiquetador estándar todavía usa el conjunto de etiquetas de Penn Treebank.
La referencia está disponible en el sitio oficial
Copie y pegue desde allí:
- CC | Conjunción de coordinación |
- CD | Número cardinal |
- DT | Determinador |
- EX | Existencial allí |
- FW | Palabra extranjera |
- IN | Preposición o conjunción subordinada |
- JJ | Adjetivo |
- JJR | Adjetivo, comparativo |
- JJS | Adjetivo, superlativo |
- LS | Marcador de elemento de lista |
- MD | Modal |
- NN | Sustantivo, singular o masivo |
- NNS | Sustantivo, plural |
- NNP | Nombre propio, singular |
- NNPS | Sustantivo propio, plural |
- PDT | Predeterminador |
- POS | Final posesivo |
- PRP | Pronombre personal |
- PRP $ | Pronombre posesivo |
- RB | Adverbio |
- RBR | Adverbio, comparativo |
- RBS | Adverbio, superlativo |
- RP | Partícula |
- SYM | Símbolo |
- TO | a |
- UH | Interjección |
- VB | Verbo, forma base |
- VBD | Verbo, tiempo pasado |
- VBG | Verbo, gerundio o participio presente |
- VBN | Verbo, participio pasado |
- VBP | Verbo, no presente de tercera persona singular |
- VBZ | Verbo, tercera persona presente singular |
- WDT | Determinante de Wh |
- WP | Wh-pronombre |
- WP $ | Possessive wh-pronombre |
- WRB | Wh-adverbio |
Lo siguiente puede ser útil para acceder a un dictado marcado por abreviaturas:
>>> 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'', ...
Para ahorrarle algo de tiempo a algunas personas, aquí hay una lista que extraje de un pequeño corpus. No sé si está completo, pero debería tener la mayoría (si no todas) de las definiciones de ayuda de upenn_tagset ...
CC : conjunción, coordinación
& ''n and both but either et for less minus neither nor or plus so
therefore times v. versus vs. whether yet
CD : número, cardenal
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 : determinante
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 : existencial allí
there
IN : preposición o conjunción, subordinando
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 : adjetivo o numeral, ordinal
third ill-mannered pre-war regrettable oiled calamitous first separable
ectoplasmic battery-powered participatory fourth still-to-be-named
multilingual multi-disciplinary ...
JJR : adjetivo, comparativo
bleaker braver breezier briefer brighter brisker broader bumper busier
calmer cheaper choosier cleaner clearer closer colder commoner costlier
cozier creamier crunchier cuter ...
JJS : adjetivo, superlativo
calmest cheapest choicest classiest cleanest clearest closest commonest
corniest costliest crassest creepiest crudest cutest darkest deadliest
dearest deepest densest dinkiest ...
LS : marcador de elemento de lista
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 : auxiliar modal
can cannot could couldn''t dare may might must need ought shall should
shouldn''t will would
NN : sustantivo, común, singular o masa
common-carrier cabbage knuckle-duster Casino afghan shed thermostat
investment slide humour falloff slick wind hyena override subhumanity
machinist ...
NNP : sustantivo, propio, singular
Motown Venneboerger Czestochwa Ranzer Conchita Trumplane Christos
Oceanside Escobar Kreisler Sawyer Cougar Yvette Ervin ODI Darryl CTCA
Shannon A.K.C. Meltex Liverpool ...
NNS : sustantivo, común, plural
undergraduates scotches bric-a-brac products bodyguards facets coasts
divestitures storehouses designs clubs fragrances averages
subjectivists apprehensions muses factory-jobs ...
PDT : determinante previo
all both half many quite such sure this
POS : marcador genitivo
'' ''s
PRP : pronombre, personal
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 $: pronombre, posesivo
her his mine my our ours their thy your
RB : adverbio
occasionally unabatingly maddeningly adventurously professedly
stirringly prominently technologically magisterially predominately
swiftly fiscally pitilessly ...
RBR : adverbio, comparativo
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 : adverbio, superlativo
best biggest bluntest earliest farthest first furthest hardest
heartiest highest largest least less most nearest second tightest worst
RP : partícula
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 : "a" como preposición o marcador de infinitivo
to
UH : interjección
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 : verbo, forma base
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 : verbo, tiempo pasado
dipped pleaded swiped regummed soaked tidied convened halted registered
cushioned exacted snubbed strode aimed adopted belied figgered
speculated wore appreciated contemplated ...
VBG : verbo, participio presente o gerundio
telegraphing stirring focusing angering judging stalling lactating
hankerin'' alleging veering capping approaching traveling besieging
encrypting interrupting erasing wincing ...
VBN : verbo, participio pasado
multihulled dilapidated aerosolized chaired languished panelized used
experimented flourished imitated reunifed factored condensed sheared
unsettled primed dubbed desired ...
VBP : verbo, tiempo presente, no tercera persona 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 : verbo, tiempo presente, tercera persona 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-determiner
that what whatever which whichever
WP : WH-pronombre
that what whatever whatsoever which who whom whosoever
WRB : Wh-adverbio
how however whence whenever where whereby whereever wherein whereof why
Puede descargar la lista aquí: ftp://ftp.cis.upenn.edu/pub/treebank/doc/tagguide.ps.gz . Incluye partes de discurso confusas, mayúsculas y otras convenciones. Además, wikipedia tiene una sección interesante similar a esta. Sección: Etiquetas de parte de discurso usadas.
El libro tiene una nota sobre cómo encontrar ayuda en los conjuntos de etiquetas, por ejemplo:
nltk.help.upenn_tagset()
Otros son probablemente similares. (Nota: quizás primero tagsets
descargar los tagsets
de tagsets
de la sección Modelos de ayudantes de descarga para esto)