word������python������,Python 单词标记化

关注

单词标签化是将大量文本样本拆分为单词的过程,这是自然语言处理任务的要求,其中每个单词都需要捕获并接受以便进一步分析,如对特定情感进行分类和计数等,自然语言工具包(NLTK)是用于实现此目的的库,在继续进行python之前安装NLTK单词标签化程序。

conda install -c anaconda nltk

接下来,我们使用 word_tokenize 方法将段落拆分为单个单词。

import nltkword_data = "It originated from the idea that there are readers who prefer learning new skills from the comforts of their drawing rooms"nltk_tokens = nltk.word_tokenize(word_data)print (nltk_tokens)

当我们执行上面的代码时,它将产生以下输出。

无涯教程网

['It', 'originated', 'from', 'the', 'idea', 'that', 'there', 'are', 'readers', 'who', 'prefer', 'learning', 'new', 'skills', 'from', 'the','comforts', 'of', 'their', 'drawing', 'rooms']标签化句子

我们也可以像标签词一样标签段落中的句子,我们使用方法 sent_tokenize 实现此目的,下面是一个示例。

import nltksentence_data = "Sun rises in the east. Sun sets in the west."nltk_tokens = nltk.sent_tokenize(sentence_data)print (nltk_tokens)

当我们执行上面的代码时,它将产生以下输出。

无涯教程网

['Sun rises in the east.', 'Sun sets in the west.']