from nltk.corpus import reuters #加載路透語料庫 files = reuters.fileids() print(len(files)) # 10788 words16097 = reuters.words(['test/16097']) print(words16097)

什么是語料

就是一個個txt，一個txt就是一個列表

categories種類

reutersGenres = reuters.categories() print(reutersGenres) # 90

加載語料特定的種類的句子

# 加載語料特定的種類 for w in reuters.words(categories=['bop','cocoa']):print(w +' ',end='')if(w is '.'): # 一個句子就換行print()

實際生活中要自己下載語料來搞

讀取下載的語料

from nltk.corpus import CategorizedPlaintextCorpusReader# 語料將分成不同的種類的txt，所以采用正則的方法來讀取txt reader = CategorizedPlaintextCorpusReader(r'/Volumes/Data/NLP-CookBook/Reviews/txt_sentoken', r'.*\.txt', cat_pattern=r'(\w+)/*') print(reader.categories())

總結(jié)

以上是生活随笔為你收集整理的自然语言处理python进阶（一）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。