词性标注
词性是对词语分类的一种方式。现代汉语词汇大致可以分为名词、动词、形容词、数词、量词、代词、介词、副词、连词、感叹词、助词和拟声词等12种，英文词汇可以分为名词、形容词、动词、代词、数词、副词、介词、连词、冠词和感叹词等10种。
词性标注，又称词类标注，是指为分词结果中的每个单词标注一个正确的词性，也就是说确定每个单词是名词、动词、形容词或其它词性的过程。比如在“I love itcast”中，“I”为人称代词，“love”为动词，“itcast”为名词。
NLTK库中使用不同的约定来标记单词，为了帮助大家快速地了解，接下来，通过一张表格来列举通用的词性标注集，具体如表1所示。
表1 通用词性标注集
| 标签 | 描述 | 示例 |
|---|---|---|
| JJ | 形容词 | special，high，good |
| RB | 副词 | quickly，simply，hardly |
| CC | 条件连词 | and，or |
| DT | 限定词 | the，a |
| MD | 情态动词 | could，should |
| NN | 单数名词 | home，time，year |
| NNS | 复数名词 | birds，dogs，flowers |
| NNP | 专有名词单数 | Africa，April，Washington |
| CD | 基本数量词 | twenty-one，second，1997 |
| PRP | 人称代词 | I，you，he，she |
| PRP$ | 所有格代词 | my，your，his，her |
| IN | 介词 | on，of，at，by，under |
| TO | 不定词 | how to，what to do |
| UH | 感叹词 | ah，ha，wow，oh |
| VB | 动词原型 | see，listen，speak，run |
| VBD | 动词过去时 | did，told，made |
| VBG | 动名词 | going，working，making |
| VBN | 动词过去分词 | given，taken，begun |
| WDT | WH限定词 | which，whatever |
在NLTK中，如果希望给单词标注词性，则需要先确保已经下载了averaged_perceptron_tagger模块，当下载了这个模块后，就可以调用pos_tag()函数进行标注，示例代码如下。
In [8]: words = nltk.word_tokenize('Python is a structured and powerful
object-oriented programming language.')
# 为列表中的每个单词标注词性
nltk.pos_tag(words)
Out[8]: [('Python', 'NNP'), ('is', 'VBZ'), ('a', 'DT'), ('structured', 'JJ'),
('and', 'CC'), ('powerful', 'JJ'),('object-oriented', 'JJ'),
('programming', 'NN'),('language', 'NN'), ('.', '.')]上述示例输出了一个列表，该列表里面包含了多个元组，其中元组的第一个元素为划分的单词，第二个元素为标注的词性。例如，第一个元组('Python', 'NNP')中，“Python”是一个专有名词，所以词性被标注为“NNP”。
点击此处
隐藏目录
隐藏目录
