Python 使用TextBlob进行词性标注|极客笔记

Python 使用TextBlob进行词性标注

TextBlob模块用于创建分析文本的程序。TextBlob模块中最强大的功能之一就是词性标注。

首先，我们需要安装TextBlob并运行以下命令：

!pip3 install textblob
from textblob import download_corpora

然后它将运行TextBlob，并下载所需的NLTK语料库。上面的安装过程可能需要很长时间，因为需要下载大量的分块器、标记器、其他算法以及需要下载的所有语料库。

在语料库语言学中，词性标注（POS标注，也称为PoS标注或POST）也被称为语法标注或词类消歧。

Input: Life is all about believing.
Output: [('Life', 'NN'), ('is', 'VBZ'), 
              ('all', 'DT'), ('about', 'IN'), 
                             ('believing', 'NN')]

以下是HTML标签的列表，包括它们的含义和一些示例：

CC ：表示并列连词

CD ：表示基数数字

DT ：表示限定词

EX ：表示存在句型中的”there is”（类似于”存在”的意思）

FW ：表示外来词

IN ：表示介词/从属连词

JJ ：表示形容词，例如：”big”

JJR ：表示形容词，例如：”bigger”（比较级）

JJS ：表示形容词，例如：”biggest”（最高级）

LS ：表示列表标记，例如：1)

MD ：表示情态动词，例如：could, will

NN ：表示名词，例如：单数形式的”desk”

NNS ：表示名词，例如：复数形式的”desks”

NNP ：表示专有名词，例如：单数形式的”Harrison”

NNPS ：表示专有名词，例如：复数形式的”Americans”

PDT ：表示前限定词，例如：”all the kids”

POS ：表示所有格结束词，例如：”parent’s”

PRP ：表示人称代词，例如：I, he, she

PRP$ ：表示所有格代词，例如：my, his, hers

RB ：表示副词，例如：very, silently

RBR ：表示副词，例如：”better”（比较级）

RBS ：表示副词，例如：”best”（最高级）

RP ：表示小品词，例如：”give up”

TO ：表示前往，例如：’to’ the store.

UH ：它是一个感叹词 例如： 嗯……

VB ：它是一个动词 例如： 基本形式为take

VBD ：它是一个动词 例如： 过去式为took

VBG ：它是一个动词 例如： 现在分词/动名词为taking

VBN ：它是一个动词 例如： 过去分词为taken

VBP ：它是一个动词 例如： 第一人称单数现在时为take

VBZ ：它是一个动词 例如： 第三人称单数现在时为takes

WDT ：它是一个疑问限定词 例如： 哪个

WP ：它是一个疑问代词 例如： 谁，什么

WP$ ：它是一个所有格疑问代词 例如： 谁的

WRB ：它是一个疑问副词 例如： 在哪里，何时

代码：

# First, we will import TextBlob method from textblob library
from textblob import TextBlob as Txb

text1 = ("Jack, Jill and Bill are living in America. " +
    "Jack use to go for running every morning " +
    "but he got fever last night therefore her will not be going for running tomorrow" +
    " this would be his first time of breaking his running streak. " +
    "jill is a school teacher." +
    "he believes in meditation. " +
    "he practice mediating daily for an hour. " +
    "bill is a fun guy, for him laughing is the best medicine.")

# here, we will create a textblob object
blob_object1 = Txb(text1)

# Part-of-speech tags can be accessed through 
# the tags property of blob object.'

# Now, we will print word with pos tag.
print(blob_object1.tags)

输出：

[('Jack', 'NNP'), ('Jill', 'NNP'), ('and', 'CC'), ('Bill', 'NNP'), ('are', 'VBP'), ('living', 'VBG'), ('in', 'IN'), ('America', 'NNP'), ('Jack', 'NNP'), ('use', 'NN'), ('to', 'TO'), ('go', 'VB'), ('for', 'IN'), ('running', 'VBG'), ('every', 'DT'), ('morning', 'NN'), ('but', 'CC'), ('he', 'PRP'), ('got', 'VBD'), ('fever', 'RB'), ('last', 'JJ'), ('night', 'NN'), ('therefore', 'VBD'), ('her', 'PRP $'), ('will', 'MD'), ('not', 'RB'), ('be', 'VB'), ('going', 'VBG'), ('for', 'IN'), ('running', 'VBG'), ('tomorrow', 'NN'), ('this', 'DT'), ('would', 'MD'), ('be', 'VB'), ('his', 'PRP$ '), ('first', 'JJ'), ('time', 'NN'), ('of', 'IN'), ('breaking', 'VBG'), ('his', 'PRP$'), ('running', 'VBG'), ('streak', 'NN'), ('jill', 'NN'), ('is', 'VBZ'), ('a', 'DT'), ('school', 'NN'), ('teacher.he', 'NN'), ('believes', 'VBZ'), ('in', 'IN'), ('meditation', 'NN'), ('he', 'PRP'), ('practice', 'NN'), ('mediating', 'VBG'), ('daily', 'RB'), ('for', 'IN'), ('an', 'DT'), ('hour', 'NN'), ('bill', 'NN'), ('is', 'VBZ'), ('a', 'DT'), ('fun', 'NN'), ('guy', 'NN'), ('for', 'IN'), ('him', 'PRP'), ('laughing', 'VBG'), ('is', 'VBZ'), ('the', 'DT'), ('best', 'JJS'), ('medicine', 'NN')]

实质上，POS标注器的目的是为子句单元分配语言学（主要与语法相关）的详细信息。它们也被称为标记，大多数情况下与符号和单词（例如，标点符号）对应。