Qual è il chunker predefinito per NLTK toolkit in Python?

Question

Sto usando la loro etichettatura POS di default e di default tokenization..and sembra sufficiente. Mi piacerebbe loro chunker di default troppo.

Sto leggendo il libro NLTK toolkit, ma non sembra avere un chunker predefinita?

Answer 1

Si può uscire dalla scatola di nome dell'entità suddivisione in blocchi con il metodo nltk.ne_chunk (). Ci vuole un elenco di POS tagged tuple:

nltk.ne_chunk([('Barack', 'NNP'), ('Obama', 'NNP'), ('lives', 'NNS'), ('in', 'IN'), ('Washington', 'NNP')])

Risultati in:

Tree('S', [Tree('PERSON', [('Barack', 'NNP')]), Tree('ORGANIZATION', [('Obama', 'NNP')]), ('lives', 'NNS'), ('in', 'IN'), Tree('GPE', [('Washington', 'NNP')])])

Si identifica Barack come persona, ma Obama come organizzazione. Quindi, non perfetto.

Answer 2

Non ho potuto trovare un difetto chunker / parser superficiale sia. Anche se il libro descrive come costruire e formare una con caratteristiche di esempio. Venendo con funzionalità aggiuntive per ottenere buone prestazioni non dovrebbe essere troppo difficile.

sezione di vedere il capitolo 7 sul Formazione Chunkers basato su classifier .