什么是 NLTK
NLTK，全称Natural Language Toolkit，自然语言处理工具包，是NLP研究领域常用的一个Python库，由宾夕法尼亚大学的Steven Bird和Edward Loper在Python的基础上开发的一个模块，至今已有超过十万行的代码。这是一个开源项目，包含数据集、Python模块、教程等；
如何安装
详情可以参见我的另一篇博客NLP的开发环境搭建，通过这篇博客，你将学会Python环境的安装以及NLTK模块的下载；
常见模块及用途
NLTK能干啥？
- 搜索文本
- 单词搜索：
- 相似词搜索；
- 相似关键词识别；
- 词汇分布图；
- 生成文本；
- 计数词汇
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018-9-28 22:21
# @Author : Manu
# @Site :
# @File : python_base.py
# @Software: PyCharm
from __future__ import division
import nltk
import matplotlib
from nltk.book import *
from nltk.util import bigrams
# 单词搜索
print('单词搜索')
text1.concordance('boy')
text2.concordance('friends')
# 相似词搜索
print('相似词搜索')
text3.similar('time')
#共同上下文搜索
print('共同上下文搜索')
text2.common_contexts(['monstrous','very'])
# 词汇分布表
print('词汇分布表')
text4.dispersion_plot(['citizens', 'American', 'freedom', 'duties'])
# 词汇计数
print('词汇计数')
print(len(text5))
sorted(set(text5))
print(len(set(text5)))
# 重复词密度
print('重复词密度')
print(len(text8) / len(set(text8)))
# 关键词密度
print('关键词密度')
print(text9.count('girl'))
print(text9.count('girl') * 100 / len(text9))
# 频率分布
fdist = FreqDist(text1)
vocabulary = fdist.keys()
for i in vocabulary:
print(i)
# 高频前20
fdist.plot(20, cumulative = True)
# 低频词
print('低频词：')
print(fdist.hapaxes())
# 词语搭配
print('词语搭配')
words = list(bigrams(['louder', 'words', 'speak']))
print(words)NLTK设计目标
- 简易性；
- 一致性；
- 可扩展性；
- 模块化；
NLTK中的语料库
- 古腾堡语料库：
gutenberg； - 网络聊天语料库：
webtext、nps_chat； - 布朗语料库：
brown； - 路透社语料库：
reuters； - 就职演说语料库：
inaugural； - 其他语料库；
文本语料库结构
- isolated： 独立型；
- categorized：分类型；
- overlapping：重叠型；
- temporal：暂时型；
基本语料库函数
条件频率分布
总结
以上就是自然语言处理NLP中NLTK模块的相关知识介绍了，希望通过本文能解决你对NLTK的相关疑惑，欢迎评论互相交流！！！
