目录
[1.1 导入中文文本](#1.1 导入中文文本)
[1.2 给出字典映射](#1.2 给出字典映射)
[1.3 cut词性标注](#1.3 cut词性标注)
[1.4 lcut词性标注](#1.4 lcut词性标注)
[2.1 精确模式](#2.1 精确模式)
[2.2 统计存储单词](#2.2 统计存储单词)
[2.3 生成文本输出](#2.3 生成文本输出)
🌈嗨!我是Filotimo__🌈。很高兴与大家相识,希望我的博客能对你有所帮助。
💡本文由Filotimo__✍️原创,首发于CSDN📚。
📣如需转载,请事先与我联系以获得授权⚠️。
🎁欢迎大家给我点赞👍、收藏⭐️,并在留言区📝与我互动,这些都是我前进的动力!
🌟我的格言:森林草木都有自己认为对的角度🌟。
前言
词性标注是自然语言处理中的一种任务,是指为文本中的每一个词分配一个相应的词性标签,即确定每个单词是名词、动词、形容词或者其他词性的过程。
实验步骤:
1.词性标注模块
1.1 导入中文文本
导入jieba库中的词性标注模块和中文文本
代码:
python
import jieba.posseg as psg
sentence ="""现如今,人工智能已经成为大众耳熟能详的词汇,而自然语言处理却很少有人了解,
自然语言处理属于人工智能的一个子领域,它对计算机和人类的交互方式有许多重要的影响。"""
1.2 给出字典映射
给出词性标注的标签含义字典映射,便于输出结果查看
代码:
python
dict_en2cn = {
'a': '形容词', 'ad': '副形词', 'ag': '形语素', 'an': '名形词', 'b': '区别词',
'c': '连词', 'd': '副词', 'df': '不要', 'dg': '副语素',
'e': '叹词', 'f': '方位词', 'g': '语素', 'h': '前接成分',
'i': '成语', 'j': '简称略语', 'k': '后接成分', 'l': '习用语',
'm': '数词', 'mg': '数语素', 'mq': '数量词',
'n': '名词', 'ng': '名语素', 'nr': '人名', 'nrg': '古代人名', 'nrt': '外国人名',
'ns': '地名', 'nt': '机构团体', 'nz': '其他专名',
'o': '拟声词', 'p': '介词', 'q': '量词',
'r': '代词', 'rg': '代语素', 'rr': '代词', 'rz': '代词',
's': '处所词', 't': '时间词', 'tg': '时间语素',
'u': '助词', 'ud': '得', 'ug': '过', 'uj': '的', 'ul': '了', 'uv': '地', 'uz': '着',
'v': '动词', 'vd': '副动词', 'vg': '动语素', 'vi': '动词', 'vn': '名动词', 'vq': '动词',
'x': '非语素字', 'y': '语气词', 'z': '状态词', 'zg': '状态语素'
}
1.3 cut词性标注
利用词性标注方法cut进行词性标注
代码:
python
sent_psg = psg.cut(sentence)
psg_list = []
for word, pos in sent_psg:
psg1 = '{0}/{1}'.format(word, pos)
psg_list.append(psg1)
print("词性标注的结果为:", "".join(psg_list))
截图:
1.4 lcut词性标注
利用词性标注方法lcut进行词性标注
代码:
python
seg_list = psg.lcut(sentence)
print('词性标注的结果为:', seg_list)
截图:
2.统计人名次数
利用词性标注进行一个简单应用:统计文本中出现的人名(词性为nr),并按出现次数从大到小排序输出
2.1 精确模式
读取文本并使用精确模式对文本进行词性标注(包括分词)
代码:
python
text = open('./Desktop/实验二.txt', 'r', encoding='utf-8').read()
text_psg = psg.lcut(text)
print('人物名词性标注为:\n', ''.join(['{0}/{1}'.format(w, t) for w, t in text_psg]))
截图:
说明:运行代码前,先在桌面上新建文本,我将其命名为"实验二",文本内容如下:
林黛玉
薛宝钗
贾宝玉
贾元春
贾迎春
贾探春
贾惜春
李纨
妙玉
史湘云
王熙凤
巧姐
秦可卿
林黛玉
薛宝钗
贾探春
李纨
妙玉
史湘云
王熙凤
林黛玉
薛宝钗
秦可卿
2.2 统计存储单词
统计词性为nr且长度>1的单词,存储在字典中
代码:
python
name_counts = {}
for word_pair in text_psg:
if len(word_pair.word) == 1:
continue
else:
if word_pair.flag == 'nr':
name_counts[word_pair.word] = name_counts.get(word_pair.word, 0) + 1
print('人物名词统计结果:', name_counts)
截图:
2.3 生成文本输出
将字典中统计数据进行排序并输出
代码:
python
item = name_counts.items()
items = list(item)
items.sort(key=lambda x: x[1], reverse=True)
name_list = open('人名及出现次数.txt', 'w', encoding='utf-8')
for i in range(len(items)):
name = items[i][0]
count = items[i][1]
name_count = name + str(count)
name_list.write(name_count + '\n')
name_list.close()
截图:
说明:在文件夹目录下查看统计结果。