NN VBD IN DT NNS RB 在 NLTK 中是什么意思？

Question

当我分块文本时，我会在输出中得到很多代码，例如 NN, VBD, IN, DT, NNS, RB。 是否有记录在某处的列表告诉我这些的含义？ 我试过谷歌搜索nltk chunk codenltk chunk grammarnltk chunk tokens。

但我找不到任何解释这些代码含义的文档。

Answer 1

您看到的标签不是分块的结果，而是分块之前发生的 POS 标记。这是 Penn Treebank 标签集，请参阅 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'), ('.', '.')])

要获取块，请在块输出中查找子树。从上面的输出中，Tree('ORGANIZATION', [('Foo', 'NNP'), ('Bar', 'NNP')]) 表示块。

这个教程站点非常有助于解释 NLTK 中的分块过程：http://www.eecis.udel.edu/~trnka/CISC889-11S/lectures/dongqing-chunking.pdf。

官方文档见http://www.nltk.org/howto/chunk.html

Answer 2

尽管上面的链接有各种各样的。但是希望这仍然对某人有所帮助，添加了一些其他链接中遗漏的内容。

CC：并列连词

CD：基数

DT：限定符

EX：在那里存在

FW：外来词

IN：介词或从属连词

JJ：形容词

VP：动词短语

JJR：形容词，比较级

JJS：形容词，最高级

LS：列表项标记

MD：模态

NN：名词、单数或整体

NNS：名词，复数

PP：介词短语

NNP：专有名词，单数短语

NNPS：专有名词，复数

PDT：预确定符

POS：所有格结尾

PRP：人称代词短语

PRP：所有格代词短语

RB：副词

RBR：副词，比较级

RBS：副词，最高级

RP：粒子

S：简单的陈述句

SBAR：由（可能为空的）从属连词引入的子句

SBARQ：由 wh 词或 wh 短语引入的直接问题。

SINV：倒置陈述句，即主语跟随时态动词或情态。

SQ：在 SBARQ 中的 wh 短语之后，颠倒是/否问题，或 wh 问题的主要子句。

SYM：符号

VBD：动词，过去式

VBG：动词、动名词或现在分词

VBN：动词，过去分词

VBP：动词，非第三人称单数现在时

VBZ：动词，第三人称单数现在时

WDT：Wh-确定器

WP：Wh-代词

WP：所有格 wh-代词

WRB：Wh-副词

Answer 3

正如上面 Alvas 所说，这些标签是词性，它告诉一个单词/短语是否是名词短语、副词、限定词、动词等......

这里是您可以参考的POS Tag 详细信息。

Chunking recovers the phrased from the Part of speech tags

您可以参考此link 阅读有关分块的信息。