java - 部分语音标注 - 从哪里开始？

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 8 年前。

Improve this question

您好，我想知道如何实现此类任务的解决方案:

有一个 500Mb 的纯英文文本文件。

我想收集有关单词出现频率的统计数据，但还要确保正确识别每个单词(或大多数单词)。

用“她大声哭”这句话中的“哭”来说被分类为名词，“别哭”将在统计中给出动词。

此外，最好过滤掉专有名称，以便它们形成另一个字典。

其他任务会更困难。我想找到出现的单词经常聚在一起并建立此类事件的列表。

比如说，“绿草如茵”，“美丽的姑娘”，“小心谨慎”，“你说得对”。这样我们就可以准确地说出该语言中经常一起使用哪些单词序列。

我该如何开始？有关于该主题的开放 Java 工具和好书吗？

Answer 1

对这些主题的精彩介绍是 Foundations of Statistical Natural Language Processing .

在软件方面，您可以查看类似 Stanford Part-Of-Speech Tagger 的内容。或LingPipe .