自然语言处理是比较广泛的研究领域之一。许多大公司在这个领域投资很大。NLP为公司提供了机会,让他们能够根据消费者的情绪和文本很好地了解他们。NLP的一些最佳用例是检测假电子邮件、对假新闻进行分类、情感分析、预测你的下一个单词、自动更正、聊天机器人、个人助理等等。
解决任何NLP任务前要知道的7个术语
标记:它是将整个文本分割成小标x ~ x 1记的过程。占卜是根据句子和单词两个基础来完成的。
- text="Hellothere,howareyoudoingtoday?Theweatherisgreattoday.pythonisawsome"
- ##sentecetokenize(Separatedbysentence)
- ['Hellothere,howareyoudoingtoday?n P k i w','Thewf X C O |eatherisgrg t =ea\ z 1 +ttoA = , Hday.',S l i'pythonisawsome']
- ##wordtokenizer(Separatedbywords)
- ['Hello','there',',','how','are','you','doing','today','?','TX v n 4 P + Yhe','weather','is','great','today','.','pytho! z v ~ L Z Y # Gn','is','awsod y a H 4 P c Ome']
停止词:5 , Z t T一般来说,这些词不会给句子增加太多的意义。在NL_ R R q 8 e KP中,我们删除了所有3 _ 4 F s的停止词,因为它们对分析数据不重要。英语中总共有179个停止词。
词干提取:它是通过去掉c 6 t ? =后缀和前缀将一个单词还原为词根l q T s p A的过程。
词形还原:它的工作原理与词干法相同,但关键的区别@ ) G q =是它返回一个有意义的单词。主要是开发聊天机器人、问答机器人、文本预测等。
WordNet:它是英语语言名词、动词、形容词和副词的词汇数据库或词# Q 4 C $ v典,这些词被分组为专门为自然语言e . v K处理设计的集合。
词性标注:它是将一个句子转换为一个元组列表的过程。每个元组都有一个形式(单词、标记)。这里的标签表示该m 7 Y )单词是名词、形容词还是动词等等。
- text='Ans: Z H B { h T & kincg 6 0 } -eritysoextremityheadditions.'
- -------------( e *-------------------
- ('An','DT'),('sincerity','NN'),('so','RB'),('extremity','NN'),('he','PRP'),('additions','VBZ')]
词袋:它是一个将文本转换成某种数字表示的过程。比如独热编码等。
- sent1=heisagoodboy
- sent2=sheisagoodgirl
- |
- |
- girln S 0 6 h & p Sgoodboy
- sent1011
- sent2101
现在,让我们回到我们的主题,看看可以帮助您轻松预处理数据的库。
NLTK
毫无疑问,它是自然语言处理最好和使用最多的库之一。NLTK是自然语言工具包的缩写。由Steven Bird 和Edward Loper开发的。它带有许多内置的模块,用于标记化、词元化、_ _ r S 4 B词干化、解析、分块和词性标记。它提供超过50个语料库和词b f 4汇资源。
安装:pip install nltk
让我们使用NLTK对给定的文本执行预处理
- importnltk
- #nlt= n = l % \ tk.download('punkt')
- frT D ^ a : , } s 0omnltk.tokenizeimportword_tokenize
- fromnltk.corpusimportstopwords
- fromnltk.stemimportPorterStemmer
- importre
- ps=PorterStemmer()
- ts u W 0ext='Hellothere,howareyoudoingtoday?IamLearningPython.'
- text=re} 1 & L q 0 @.sub("[^a-zA-Z0-9]","",text)
- text=word_tokenize(text)
- text_with_no_stopwords=[ps.stem(word)f6 Z A 0 ` aorwordintextifwordnotinstopwords.words('english')]
- text="".join(text_with_no_stopwords)
- text
- -----D d a $ ?------------------------------------------OUTPUT--------% 9 a I @ @----------------------------
- 'helloto, 6 V g 1dayIlearnpython'
TextBlob
Textblob是一个简化的文本处理库。它提/ \ H j供了一个简单的API,用于执行常见的NLP任务,如词性标记、情感分析、分类、翻译等。
安装:pip install textblo* – G 4 u 1 T 0 Kb
spacy
这是python中最好用的自然语言处理库之一,它z { q是用cpython编写的。它提供了一些预训练的统计模型,并支持多达49种以上的语言进行标记化。它以卷积神经网络为特征,用T _ & r [ h于标记、解析和命名实体识别。
安装:pip install spacy
- importspacy
- nlp=spacy.load('en_core_web_sm')
- text="IamLearningPythonNowdw L Fays"
- text2=nlp(text)
- fortokenintext2:
- print(token,tokec 0 f : F 2 S un.idx)
- ------------------o U z / C u i I------------OUTPUT---Y { A ~----------_ J 1 \----------
- I0
- am2
- Learning5
- Pytz s } \ ; Thon14
- Nowdays21
Gensim
它是一个Python库,专门用于识别两个文档之间的语义相似性。它使用向量空间建模和主题建模工具包来寻/ 7 0 E /找文档之间的相似之处。它是设计用来处理大型文本语料库的算m \ F / b M法。
安装:pip install gen\ e ksim
CoreNLP
Stanford Co@ ; 8 1reNLP的目标是简化对一段文本应用不同语言工具的过程。这个库运行速度非常快,并且在开发中工作得很好。
安装:pip install stanford-corenlp