内容简介：您可以使用翻译自：https://stackoverflow.com/questions/30016904/determining-tense-of-a-sentence-python
关注其他几个帖子,[例如 Detect English verb tenses using NLTK
, Identifying verb tenses in python
, Python NLTK figure out tense
]我编写了以下代码来确定使用POS标记在 Python 中的句子时态：
from nltk import word_tokenize, pos_tag
def determine_tense_input(sentance):
text = word_tokenize(sentance)
tagged = pos_tag(text)
tense = {}
tense["future"] = len([word for word in tagged if word[1] == "MD"])
tense["present"] = len([word for word in tagged if word[1] in ["VBP", "VBZ","VBG"]])
tense["past"] = len([word for word in tagged if word[1] in ["VBD", "VBN"]])
return(tense)
这将返回过去/现在/未来动词的使用值,我通常会将最大值作为最终的时态.准确性适度,但我想知道是否有更好的方法.
例如,现在是否有机会编写一个更专注于提取序列时态的包？ [注意 – 3个堆叠溢出的帖子中有2个是4年,所以现在可能已经改变了].或者,我应该在nltk中使用不同的解析器来提高准确性吗？如果没有,希望上面的代码可以帮助别人！
您可以使用 Stanford Parser 获取句子的依赖关系解析.依赖关系解析的根将是定义句子的“主要”动词(我不太确定具体的语言术语是什么).然后,您可以使用此动词上的POS标签来查找其时态,并使用它.
翻译自：https://stackoverflow.com/questions/30016904/determining-tense-of-a-sentence-python
以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网
猜你喜欢:
- 谷歌 NLP 新进展：利用 AI 改变句子的情绪、时态
- IEMLRN：基于图像增强的句子语义表示
- 【火炉炼AI】机器学习041-NLP句子情感分析
- 基于GRU和am-softmax的句子相似度模型
- FAIR 最新论文：一种不需要训练就能探索句子分类的随机编码器
- 当莎士比亚遇见Google Flax：教你用字符级语言模型和归递神经网络写“莎士比亚”式句子...
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
