使用NLTK编写程序，判断输入单词在Brown语料库中名词动词频率高低

完整可运行代码如下：

import nltk
# 首次运行需下载对应依赖，下载完成后可注释以下两行
nltk.download('brown')
nltk.download('averaged_perceptron_tagger')

from nltk.corpus import brown

# 接收用户输入，统一转小写消除大小写差异
target_word = input("Enter a word: ").lower()

noun_count = 0
verb_count = 0

# 遍历Brown语料库所有带词性标注的词汇
for word, tag in brown.tagged_words():
    if word.lower() == target_word:
        # 名词类标签统一以NN为前缀，动词类标签统一以VB为前缀
        if tag.startswith('NN'):
            noun_count += 1
        elif tag.startswith('VB'):
            verb_count += 1

# 输出统计结果
print(f"单词 '{target_word}' 作为名词出现次数：{noun_count}")
print(f"单词 '{target_word}' 作为动词出现次数：{verb_count}")

# 比较使用频率
if noun_count > verb_count:
    print(f"该单词作为*名词*的使用频率更高")
elif verb_count > noun_count:
    print(f"该单词作为*动词*的使用频率更高")
else:
    print("该单词作为名词和动词的使用频率相同")

代码说明 #

• 词性匹配规则：Brown语料库的词性标注体系中，所有名词细分类型（普通名词、专有名词、名词复数等）的标签都以NN为前缀，所有动词细分类型（原型、过去式、现在分词、过去分词等）的标签都以VB为前缀，匹配前缀即可覆盖对应词性的所有场景
• 大小写处理：代码默认将输入词汇和语料库词汇都转为小写后匹配，避免大小写差异导致的统计遗漏。如果需要严格区分大小写，删除代码中所有.lower()即可
• 效率优化方案：如果觉得全量遍历语料库速度较慢，可以使用NLTK自带的条件频率分布类实现更高效的查询，将统计逻辑替换为以下代码即可：

# 优化版统计逻辑，提前构建统计索引，查询速度更快
cfd = nltk.ConditionalFreqDist((word.lower(), tag[:2]) for word, tag in brown.tagged_words())
noun_count = cfd[target_word].get('NN', 0)
verb_count = cfd[target_word].get('VB', 0)

内容的提问来源于stack exchange，提问作者Sophia Turner