Hoe vind ik een lijst met alle mogelijke POS-tags die worden gebruikt door de Toolkit Natural Language (NLTK)?
Antwoord 1, Autoriteit 100%
Het boek heeft een opmerking Hoe u hulp kunt vinden op tagsets, bijvoorbeeld:
nltk.help.upenn_tagset()
Anderen zijn waarschijnlijk vergelijkbaar. (Opmerking: Misschien moet je eerst tagsetsdownloaden van de Download Helper’s Models sectie hiervoor)
Antwoord 2, Autoriteit 98%
Om sommige mensen een tijdje op te slaan, is hier een lijst die ik van een klein corpus heb geëxtraheerd. Ik weet niet of het is voltooid, maar het zou het meest moeten hebben (zo niet allemaal) van de Help-definities van Oupenn_tagset …
cc : conjunctie, coördinatie
& 'n and both but either et for less minus neither nor or plus so
therefore times v. versus vs. whether yet
CD : cijfer, kardinaal
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 : determiner
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 : existentieel daar
there
in : voorzetsel of conjunctie, ondergeschikt
astride among upon 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: bijvoeglijk naamwoord of cijfer, ordinaal
third ill-mannered pre-war regrettable oiled calamitous first separable
ectoplasmic battery-powered participatory fourth still-to-be-named
multilingual multi-disciplinary ...
JJR: bijvoeglijk naamwoord, vergelijkend
bleaker braver breezier briefer brighter brisker broader bumper busier
calmer cheaper choosier cleaner clearer closer colder commoner costlier
cozier creamier crunchier cuter ...
JJS: bijvoeglijk naamwoord, overtreffende trap
calmest cheapest choicest classiest cleanest clearest closest commonest
corniest costliest crassest creepiest crudest cutest darkest deadliest
dearest deepest densest dinkiest ...
LS: lijstitemmarkering
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: modaal hulpmiddel
can cannot could couldn't dare may might must need ought shall should
shouldn't will would
NN: zelfstandig naamwoord, gewoon, enkelvoud of massa
common-carrier cabbage knuckle-duster Casino afghan shed thermostat
investment slide humour falloff slick wind hyena override subhumanity
machinist ...
nnp : zelfstandig naamwoord, juist, enkelvoud
Motown Venneboerger Czestochwa Ranzer Conchita Trumplane Christos
Oceanside Escobar Kreisler Sawyer Cougar Yvette Ervin ODI Darryl CTCA
Shannon A.K.C. Meltex Liverpool ...
nns : zelfstandig naamwoord, gemeenschappelijk, meervoud
undergraduates scotches bric-a-brac products bodyguards facets coasts
divestitures storehouses designs clubs fragrances averages
subjectivists apprehensions muses factory-jobs ...
PDT : Pre-determiner
all both half many quite such sure this
pos : genivede marker
' 's
prp : voornaamwoord, persoonlijk
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 $: Pronoun, bezittelijk
her his mine my our ours their thy your
rb : bijwoord
occasionally unabatingly maddeningly adventurously professedly
stirringly prominently technologically magisterially predominately
swiftly fiscally pitilessly ...
RBR: bijwoord, vergelijkend
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: bijwoord, overtreffende trap
best biggest bluntest earliest farthest first furthest hardest
heartiest highest largest least less most nearest second tightest worst
RP: deeltje
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: “to” als voorzetsel of infinitief markering
to
UH: tussenwerpsel
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: werkwoord, basisvorm
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: werkwoord, verleden tijd
dipped pleaded swiped regummed soaked tidied convened halted registered
cushioned exacted snubbed strode aimed adopted belied figgered
speculated wore appreciated contemplated ...
VBG: werkwoord, onvoltooid deelwoord of gerund
telegraphing stirring focusing angering judging stalling lactating
hankerin' alleging veering capping approaching traveling besieging
encrypting interrupting erasing wincing ...
VBN: werkwoord, voltooid deelwoord
multihulled dilapidated aerosolized chaired languished panelized used
experimented flourished imitated reunifed factored condensed sheared
unsettled primed dubbed desired ...
VBP: werkwoord, tegenwoordige tijd, niet 3e persoon enkelvoud
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: werkwoord, tegenwoordige tijd, 3e persoon enkelvoud
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-voornaamwoord
that what whatever whatsoever which who whom whosoever
WRB : WH-bijwoord
how however whence whenever where whereby whereever wherein whereof why
Antwoord 3, Autoriteit 42%
De tag set is afhankelijk van het corpus, dat werd gebruikt om de tagger te trainen.
De standaard tagger van nltk.pos_tag()gebruikt de Penn treebank Tag Set .
In NLTK 2, kun je als volgt controleren welke tagger is de standaard tagger:
import nltk
nltk.tag._POS_TAGGER
>>> 'taggers/maxent_treebank_pos_tagger/english.pickle'
Dat betekent dat het een Maximum Entropy tagger getraind op de treebank corpus.
nltk.tag._POS_TAGGERniet meer bestaan in NLTK 3 doch de documentatie staten dat de off-the-shelf tagger gebruikt nog steeds de Penn treebank tagset.
Antwoord 4, Autoriteit 24%
In de onderstaande kan nuttig zijn om toegang te krijgen tot een DICT ingetoetst door afkortingen:
>>> 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', ...
Antwoord 5, Autoriteit 21%
De verwijzing is te vinden op de officiële site
Van daaruit kopiëren en plakken:
- CC | Coördinerend voegwoord |
- CD | Hoofdnummer |
- DT | Bepaler |
- EX | Existentiële daar|
- FW | Vreemd woord |
- IN | Voorzetsel of onderschikkend voegwoord |
- JJ | Bijvoeglijk naamwoord |
- JJR | Bijvoeglijk naamwoord, vergelijkend |
- JJS | Bijvoeglijk naamwoord, overtreffende trap |
- LS | Markering van lijstitem |
- MD | Modaal |
- NN | Zelfstandig naamwoord, enkelvoud of massa |
- NNS | Zelfstandig naamwoord, meervoud |
- NNP | Eigennaam, enkelvoud |
- NNPS | Eigennaam, meervoud |
- PDT | Voorloper |
- POS | Bezittelijk einde |
- PRP | Persoonlijk voornaamwoord |
- PRP$ | Bezittelijk voornaamwoord |
- RB | Bijwoord |
- RBR | Bijwoord, vergelijkend |
- RBS | Bijwoord, overtreffende trap |
- RP | Deeltje |
- SYM | Symbool |
- NAAR | naar|
- UH | Tussenwerpsel |
- VB | Werkwoord, basisvorm |
- VBD | Werkwoord, verleden tijd |
- VBG | Werkwoord, gerundium of onvoltooid deelwoord |
- VBN | Werkwoord, voltooid deelwoord |
- VBP | Werkwoord, niet-3e persoon enkelvoud tegenwoordige tijd |
- VBZ | Werkwoord, 3e persoon enkelvoud tegenwoordige tijd |
- WDT | Wh-determiner |
- WP | Wh-voornaamwoord |
- WP$ | Bezittelijk wh-voornaamwoord |
- WRB | Wh-bijwoord |
Antwoord 6, autoriteit 2%
['LS', 'TO', 'VBN', "''", 'WP', 'UH', 'VBG', 'JJ', 'VBZ', '--', 'VBP', 'NN', 'DT', 'PRP', ':', 'WP$', 'NNPS', 'PRP$', 'WDT', '(', ')', '.', ',', '``', '$', 'RB', 'RBR', 'RBS', 'VBD', 'IN', 'FW', 'RP', 'JJR', 'JJS', 'PDT', 'MD', 'VB', 'WRB', 'NNP', 'EX', 'NNS', 'SYM', 'CC', 'CD', 'POS']
Gebaseerd op de methode van Doug Shore, maar maak het meer kopieer-plak-vriendelijk
Antwoord 7
Je kunt de lijst hier downloaden: ftp:// ftp.cis.upenn.edu/pub/treebank/doc/tagguide.ps.gz. Het bevat verwarrende woordsoorten, hoofdletters en andere conventies. Ook heeft wikipediaeen interessante sectie die hierop lijkt. Sectie: Gebruikte deel-van-spraak-tags.
Antwoord 8
Voer dit gewoon letterlijk uit.
import nltk
nltk.download('tagsets')
nltk.help.upenn_tagset()
nltk.tag._POS_TAGGERwerkt niet. Het geeft AttributeError: module ‘nltk.tag’ has no attribuut ‘_POS_TAGGER’. Het is niet meer beschikbaar in NLTK 3.
Antwoord 9
Voer de onderstaande code uit in python om informatie te krijgen over alle pos-tags.
import nltk
nltk.help.upenn_tagset()