python - Python 中 NLTK 的命名实体识别。识别网元

Question

我需要将单词分类为词性。比如动词、名词、副词等等。我用了

nltk.word_tokenize() #to identify word in a sentence 
nltk.pos_tag()       #to identify the parts of speech
nltk.ne_chunk()      #to identify Named entities. 

输出是一棵树。 比如

>>> sentence = "I am Jhon from America"
>>> sent1 = nltk.word_tokenize(sentence )
>>> sent2 = nltk.pos_tag(sent1)
>>> sent3 =  nltk.ne_chunk(sent2, binary=True)
>>> sent3
Tree('S', [('I', 'PRP'), ('am', 'VBP'), Tree('NE', [('Jhon', 'NNP')]), ('from', 'IN'), Tree('NE', [('America', 'NNP')])])

当访问这棵树中的元素时，我是这样做的:

>>> sent3[0]
('I', 'PRP')
>>> sent3[0][0]
'I'
>>> sent3[0][1]
'PRP'

但是在访问命名实体时:

>>> sent3[2]
Tree('NE', [('Jhon', 'NNP')])
>>> sent3[2][0]
('Jhon', 'NNP')
>>> sent3[2][1]    
Traceback (most recent call last):
  File "<pyshell#121>", line 1, in <module>
    sent3[2][1]
  File "C:\Python26\lib\site-packages\nltk\tree.py", line 139, in __getitem__
    return list.__getitem__(self, index)
IndexError: list index out of range

我收到了上述错误。

我想要的是将输出作为类似于之前的“PRP”的“NE”，所以我无法识别哪个单词是命名实体。有没有办法在 python 中使用 NLTK 来做到这一点？如果是这样，请发布命令。还是树库中有一个函数可以做到这一点？我需要节点值'NE'

Answer 1

这个答案可能不正确，在这种情况下我会删除它，因为我没有在这里安装 NLTK 来尝试它，但我认为你可以这样做:

   >>> sent3[2].node
   'NE'

sent3[2][0] 返回树的第一个子节点，而不是节点本身

编辑:我回家后尝试了这个，它确实有效。