machine-learning - 如何训练以 pos-tag 序列为特征的朴素贝叶斯分类器？

Question

我有两类句子。每个都有相当不同的后标签序列。如何训练以 POS-Tag 序列为特征的朴素贝叶斯分类器？斯坦福 CoreNLP/NLTK(Java 或 Python)是否提供任何方法来构建以 pos-tag 作为特征的分类器？我知道在 python NaiveBayesClassifier 中允许构建 NB 分类器，但它使用 contains-a-word 作为功能，但可以扩展为使用 pos-tag-sequence 作为功能？

Answer 1

如果您知道如何使用 nltk 的朴素贝叶斯分类器和单词作为特征来训练和预测文本(或您的情况下的句子)，那么您可以轻松扩展此方法，以便通过词性标签对文本进行分类。这是因为分类器不关心你的特征字符串是单词还是标签。因此，您可以简单地使用 pos 标签替换句子中的单词，例如使用 nltk 的标准 pos 标记器:

sent = ['So', 'they', 'have', 'internet', 'on', 'computers' , 'now']
tags = [t for w, t in nltk.pos_tag(sent)]
print tags

['IN'、'PRP'、'VBP'、'JJ'、'IN'、'NNS'、'RB']

从现在开始，您可以继续使用“包含单词”方法。