El módulo TextBlob se utiliza para crear programas para el análisis de texto. Uno de los aspectos más poderosos del módulo TextBlob es el etiquetado de parte del discurso. Instale TextBlob y ejecute los siguientes comandos:
$ pip install -U textblob $ python -m textblob.download_corpora
Esto instalará TextBlob y descargará los corpus NLTK necesarios. La instalación anterior llevará bastante tiempo debido a la gran cantidad de tokenizadores, fragmentadores, otros algoritmos y todos los corpus que se descargarán.
Repasemos un poco de vocabulario rápido: Corpus: Cuerpo de texto, singular. Corpora es el plural de esto. Léxico: Las palabras y sus significados. Token: cada «entidad» que forma parte de lo que sea se dividió según las reglas.
En lingüística de corpus, etiquetado de parte del discurso (etiquetado POS o etiquetado PoS o POST), también llamado etiquetado gramatical o desambiguación de categorías de palabras.
Input: Everything is all about money.
Output: [('Everything', 'NN'), ('is', 'VBZ'),
('all', 'DT'), ('about', 'IN'),
('money', 'NN')]
Aquí hay una lista de las etiquetas, lo que significan y algunos ejemplos:
CC coordinating conjunction CD cardinal digit DT determiner EX existential there (like: “there is” … think of it like “there exists”) FW foreign word IN preposition/subordinating conjunction JJ adjective ‘big’ JJR adjective, comparative ‘bigger’ JJS adjective, superlative ‘biggest’ LS list marker 1) MD modal could, will NN noun, singular ‘desk’ NNS noun plural ‘desks’ NNP proper noun, singular ‘Harrison’ NNPS proper noun, plural ‘Americans’ PDT predeterminer ‘all the kids’ POS possessive ending parent‘s PRP personal pronoun I, he, she PRP$ possessive pronoun my, his, hers RB adverb very, silently, RBR adverb, comparative better RBS adverb, superlative best RP particle give up TO to go ‘to‘ the store. UH interjection errrrrrrrm VB verb, base form take VBD verb, past tense took VBG verb, gerund/present participle taking VBN verb, past participle taken VBP verb, sing. present, non-3d take VBZ verb, 3rd person sing. present takes WDT wh-determiner which WP wh-pronoun who, what WP$ possessive wh-pronoun whose WRB wh-adverb where, when
Python3
# from textblob lib import TextBlob method
from textblob import TextBlob
text = ("Sukanya, Rajib and Naba are my good friends. " +
"Sukanya is getting married next year. " +
"Marriage is a big step in one’s life." +
"It is both exciting and frightening. " +
"But friendship is a sacred bond between people." +
"It is a special kind of love between us. " +
"Many of you must have tried searching for a friend "+
"but never found the right one.")
# create a textblob object
blob_object = TextBlob(text)
# Part-of-speech tags can be accessed
# through the tags property of blob object.'
# print word with pos tag.
print(blob_object.tags)
Producción :
[('Sukanya', 'NNP'),
('Rajib', 'NNP'),
('and', 'CC'),
('Naba', 'NNP'),
('are', 'VBP'),
('my', 'PRP$'),
('good', 'JJ'),
('friends', 'NNS'),
('Sukanya', 'NNP'),
('is', 'VBZ'),
('getting', 'VBG'),
('married', 'VBN'),
('next', 'JJ'),
('year', 'NN'),
('Marriage', 'NN'),
('is', 'VBZ'),
('a', 'DT'),
('big', 'JJ'),
('step', 'NN'),
('in', 'IN'),
('one', 'CD'),
('’', 'NN'),
('s', 'NN'),
('life.It', 'NN'),
('is', 'VBZ'),
('both', 'DT'),
('exciting', 'VBG'),
('and', 'CC'),
('frightening', 'NN'),
('But', 'CC'),
('friendship', 'NN'),
('is', 'VBZ'),
('a', 'DT'),
('sacred', 'JJ'),
('bond', 'NN'),
('between', 'IN'),
('people.It', 'NN'),
('is', 'VBZ'),
('a', 'DT'),
('special', 'JJ'),
('kind', 'NN'),
('of', 'IN'),
('love', 'NN'),
('between', 'IN'),
('us', 'PRP'),
('Many', 'JJ'),
('of', 'IN'),
('you', 'PRP'),
('must', 'MD'),
('have', 'VB'),
('tried', 'VBN'),
('searching', 'VBG'),
('for', 'IN'),
('a', 'DT'),
('friend', 'NN'),
('but', 'CC'),
('never', 'RB'),
('found', 'VBD'),
('the', 'DT'),
('right', 'JJ'),
('one', 'NN')]
Básicamente, el objetivo de un etiquetador POS es asignar información lingüística (principalmente gramatical) a unidades sub-orales. Estas unidades se denominan fichas y, la mayoría de las veces, corresponden a palabras y símbolos (p. ej., puntuación).