如何基于Python NLTK将句子POS词性标注结果封装为节点类属性变量
代码调整实现方案
核心思路分两步完成:
- 建立NLTK原生词性标签到易读属性名的映射规则,把
NN/VB/JJ这类编码标签对应到noun/verb/adjective这类你需要的属性名 - 自定义Sentence类,把分词、POS标注的流程封装到类初始化逻辑里,遍历标注结果将词汇匹配到对应类属性下
具体改造代码
首先先定义词性标签的映射规则,覆盖常用的变形标签(比如复数名词、过去式动词、比较级形容词等):
# NLTK标签与类属性的对应关系 POS_ATTR_MAP = { # 名词类标签:普通名词、复数、专有名词等 "noun": {"NN", "NNS", "NNP", "NNPS"}, # 动词类标签:所有时态的动词变形 "verb": {"VB", "VBD", "VBG", "VBN", "VBP", "VBZ"}, # 形容词类标签:原级、比较级、最高级 "adjective": {"JJ", "JJR", "JJS"} }
接着编写自定义的Sentence类,把原来的手动标注流程集成进去:
class Sentence: def __init__(self, raw_sentence: str): # 复用你已经跑通的分词、POS标注逻辑 tokens = word_tokenize(raw_sentence) pos_result = nltk.pos_tag(tokens) # 初始化所有词性属性,默认存对应词的列表 self.noun = [] self.verb = [] self.adjective = [] # 遍历标注结果,把词归类到对应属性下 for word, tag in pos_result: for attr_name, valid_tags in POS_ATTR_MAP.items(): if tag in valid_tags: getattr(self, attr_name).append(word) break # 适配示例输出格式:如果某词性下只有单个词,直接转成字符串存储 for attr_name in POS_ATTR_MAP.keys(): attr_val = getattr(self, attr_name) self.__setattr__(attr_name, attr_val[0] if len(attr_val) == 1 else attr_val)
实际使用效果
针对你提到的james ate a red apple这类句子,直接实例化类即可得到属性化的标注结果:
# 传入目标句子 sentence = Sentence("james ate a red apple") # 直接读取类属性即可得到对应词性的词汇 print(sentence.noun) # 输出: ['james', 'apple'] print(sentence.verb) # 输出: ate print(sentence.adjective) # 输出: red
如果需要拓展其他词性(比如副词、介词),只需要在POS_ATTR_MAP字典里新增对应的属性名和匹配的NLTK标签集合即可,不用修改类的核心逻辑。
内容的提问来源于stack exchange,提问作者Jalal Kuzkov
相关产品推荐
相关产品推荐

