PNL | Parte del discurso: etiquetado predeterminado

¿Qué es el etiquetado de parte del discurso (POS)? Es un proceso de convertir una oración en formas: lista de palabras, lista de tuplas (donde cada tupla tiene una forma (palabra, etiqueta) ). La etiqueta en caso de es una etiqueta de parte del discurso e indica si la palabra es un sustantivo, un adjetivo, un verbo, etc. El etiquetado predeterminado es un paso básico para el etiquetado de partes del discurso. Se realiza utilizando la clase DefaultTagger. La clase DefaultTagger toma ‘etiqueta’ como único argumento. NN es la etiqueta de un sustantivo singular. DefaultTagger es más útil cuando se pone a trabajar con la etiqueta de parte del discurso más común. por eso se recomienda una etiqueta de nombre. Código #1: ¿Cómo funciona? 

# Loading Libraries
from nltk.tag import DefaultTagger
 
# Defining Tag
tagging = DefaultTagger('NN')
 
# Tagging
tagging.tag(['Hello', 'Geeks'])

Producción :

[('Hello', 'NN'), ('Geeks', 'NN')]

Cada etiquetador tiene un método de etiqueta() que toma una lista de tokens (generalmente una lista de palabras producidas por un tokenizador de palabras), donde cada token es una sola palabra. tag() devuelve una lista de tokens etiquetados: una tupla de (palabra, etiqueta) . ¿Cómo funciona DefaultTagger? Es una subclase de SequentialBackoffTagger e implementa el método choose_tag(), que tiene tres argumentos.

• lista de fichas
• índice del token actual, para elegir la etiqueta.
• lista de las etiquetas anteriores

  Código #2: Etiquetado de oraciones 

# Loading Libraries
from nltk.tag import DefaultTagger
 
# Defining Tag
tagging = DefaultTagger('NN')
 
tagging.tag_sents([['welcome', 'to', '.'], ['Geeks', 'for', 'Geeks']])

Producción :

[[('welcome', 'NN'), ('to', 'NN'), ('.', 'NN')],
 [('Geeks', 'NN'), ('for', 'NN'), ('Geeks', 'NN')]]

Nota: cada etiqueta en la lista de oraciones etiquetadas (en el código anterior) es NN ya que hemos usado la clase DefaultTagger. Código #3: Ilustrando cómo desetiquetar. 

from nltk.tag import untag
untag([('Geeks', 'NN'), ('for', 'NN'), ('Geeks', 'NN')])

Producción :

['Geeks', 'for', 'Geeks']