NLTK其他语言词性标注器

Question

14

我正在使用Python中的nltk模块，并尝试将其用于对不同语言进行词性标注。

关于如何在不同语言中训练自己的POS标注器有很多信息 - 是否有针对不同语言的真正健壮、经过良好构建和测试的NLTK POS标注器数据库？（使用pickle模块导出POS标注器非常容易）

- Parsa

3个回答

5

你可以在http://www.nltk.org/nltk_data/找到经过充分测试和建设的强大的NLTK语料库。虽然也有其他语料库，但这些是最好的。

- shadab.tughlaq

2

据我所知，目前没有这样一个强大、经过良好构建和测试的词性标注器数据库。不过我认为这是一个好主意。

我自己试用了几个标注器。对于一个大型英文语料库，我使用了以下链接中提供的标注器： http://gmb.let.rug.nl/ 对于西班牙语，我使用了NLTK中包含的标注器（cess_esp）。

from nltk.corpus import cess_esp as cess

快速训练简单标注器，您可以查看 NLTK Trainer：

- bogs

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- NQD · Accepted Answer

如果不仅使用NLTK，您可以尝试我们强大且与语言无关的POS标记工具包 RDRPOSTagger。

（许可证：GPLv2；编程语言：Python＆Java）

RDRPOSTagger在学习和标记过程中都表现出快速性能。此外，与最先进的结果相比，RDRPOSTagger实现了非常有竞争力的准确性。

更新于2015年11月18日：发布版本1.2，增加了对形态丰富语言的标记准确性的支持。请参见this paper中的实验结果，包括性能速度和标记准确性。

RDRPOSTagger支持保加利亚语、捷克语、荷兰语、英语、法语、德语、印地语、意大利语、葡萄牙语、西班牙语、瑞典语、泰语和越南语的预训练POS和形态标记模型。RDRPOSTagger还支持40种语言的预训练通用POS标记模型。