5个Python库可以帮你轻松的进行自然语言预处理

[[399059]]

解决任何NLP任务前要知道的7个术语

标记：它是将整个文本分割成小标记的过程。占卜是根据句子和单词两个基础来完成的。

 

text = "Hello there, how are you doing today? The weather is great today. python is awsome"  
##sentece tokenize (Separated by sentence)  
['Hello there, how are you doing today?', 'The weather is great today.', 'python is awsome']  
##word tokenizer (Separated by words)  
['Hello', 'there', ',', 'how', 'are', 'you', 'doing', 'today', '?', 'The', 'weather', 'is', 'great', 'today', '.','python', 'is', 'awsome'] 

 

停止词：一般来说，这些词不会给句子增加太多的意义。在NLP中，我们删除了所有的停止词，因为它们对分析数据不重要。英语中总共有179个停止词。

词干提取：它是通过去掉后缀和前缀将一个单词还原为词根的过程。

词形还原：它的工作原理与词干法相同，但关键的区别是它返回一个有意义的单词。主要是开发聊天机器人、问答机器人、文本预测等。

WordNet：它是英语语言名词、动词、形容词和副词的词汇数据库或词典，这些词被分组为专门为自然语言处理设计的集合。

词性标注：它是将一个句子转换为一个元组列表的过程。每个元组都有一个形式(单词、标记)。这里的标签表示该单词是名词、形容词还是动词等等。

 

text = 'An sincerity so extremity he additions.'  
--------------------------------  
('An', 'DT'), ('sincerity', 'NN'), ('so', 'RB'), ('extremity', 'NN'), ('he', 'PRP'), ('additions', 'VBZ')] 

 

词袋：它是一个将文本转换成某种数字表示的过程。比如独热编码等。

 

sent1 = he is a good boy  
sent2 = she is a good girl  
|  
|  
girl good boy  
sent1 0 1 1  
sent2 1 0 1 

 

现在，让我们回到我们的主题，看看可以帮助您轻松预处理数据的库。

NLTK

毫无疑问，它是自然语言处理最好和使用最多的库之一。NLTK是自然语言工具包的缩写。由Steven Bird 和Edward Loper开发的。它带有许多内置的模块，用于标记化、词元化、词干化、解析、分块和词性标记。它提供超过50个语料库和词汇资源。

安装:pip install nltk

让我们使用NLTK对给定的文本执行预处理

 

import nltk 
#nltk.download('punkt') 
from nltk.tokenize import word_tokenize 
from nltk.corpus import stopwords 
from nltk.stem import PorterStemmer 
import re 
ps = PorterStemmer() 
text = 'Hello there,how are you doing today? I am Learning Python.' 
text = re.sub("[^a-zA-Z0-9]"," ",text) 
text = word_tokenize(text) 
text_with_no_stopwords = [ps.stem(word) for word in text if word not in stopwords.words('english')] 
text = " ".join(text_with_no_stopwords) 
text 
-----------------------------------------------OUTPUT------------------------------------ 
'hello today I learn python' 

 

TextBlob

Textblob是一个简化的文本处理库。它提供了一个简单的API，用于执行常见的NLP任务，如词性标记、情感分析、分类、翻译等。

安装:pip install textblob

spacy

这是python中最好用的自然语言处理库之一，它是用cpython编写的。它提供了一些预训练的统计模型，并支持多达49种以上的语言进行标记化。它以卷积神经网络为特征，用于标记、解析和命名实体识别。

安装:pip install spacy

 

import spacy 
nlp = spacy.load('en_core_web_sm') 
text = "I am Learning Python Nowdays" 
text2 = nlp(text) 
for token in text2: 
print(token,token.idx) 
------------------------------OUTPUT----------------------- 
I 0 
am 2 
Learning 5 
Python 14 
Nowdays 21 

 

Gensim

它是一个Python库，专门用于识别两个文档之间的语义相似性。它使用向量空间建模和主题建模工具包来寻找文档之间的相似之处。它是设计用来处理大型文本语料库的算法。

安装:pip install gensim

CoreNLP

Stanford CoreNLP的目标是简化对一段文本应用不同语言工具的过程。这个库运行速度非常快，并且在开发中工作得很好。

安装:pip install stanford-corenlp