Contare i verbi, i nomi e altre parti del discorso con il NLTK di Python

Question

Ho più testi e vorrei creare profili di loro in base al loro utilizzo di varie parti del discorso, come nomi e verbi.Bassi, ho bisogno di contare quante volte viene utilizzata ogni parte del discorso.

Ho taggato il testo ma non sono sicuro di come andare oltre:

tokens = nltk.word_tokenize(text.lower())
text = nltk.Text(tokens)
tags = nltk.pos_tag(text)

.

Come posso salvare i conteggi per ogni parte del discorso in una variabile?

Answer 1

Il metodo pos_tag restituisce un elenco di (token, tag) coppie:

tagged = [('the', 'DT'), ('dog', 'NN'), ('sees', 'VB'), ('the', 'DT'), ('cat', 'NN')] 

.

Se stai usando Python 2.7 o successivo, puoi farlo semplicemente con:

>>> from collections import Counter
>>> counts = Counter(tag for word,tag in tagged)
>>> counts
Counter({'DT': 2, 'NN': 2, 'VB': 1})

.

per normalizzare i conteggi (dandoti la proporzione di ciascuno):

>>> total = sum(counts.values())
>>> dict((word, float(count)/total) for word,count in counts.items())
{'DT': 0.4, 'VB': 0.2, 'NN': 0.4}

.

Si noti che nelle versioni precedenti di Python, dovrai implementare Counter da solo:

>>> from collections import defaultdict
>>> counts = defaultdict(int)
>>> for word, tag in tagged:
...  counts[tag] += 1

>>> counts
defaultdict(<type 'int'>, {'DT': 2, 'VB': 1, 'NN': 2})

.