extracting nouns,noun phrases,adjectives verbs from text file corpus using visual c#
我正在做一个项目,其中我必须从文本文件(.doc)格式中提取名词形容词名词短语和动词。
我有大约75个这样的文件的语料库。 我已经访问了net来找到有关它的信息,我使用nltk在python中遇到了POS标签。
因为我的项目在c#中(使用Visual Studio 2008),所以我需要一个代码来实现。
我已经尝试过使用wordnet api进行相同甚至是Sharpnlp的尝试,但是由于我是新手,所以我发现这些很难与我的项目集成。
有人可以建议我使用一些简单的代码(例如词汇表等)来做到这一点吗?plz帮助我。
谢谢。
我曾在NLP(自然语言处理)中担任行业领导者一段时间,您要做的并不是一件小事。我认识
POS标记通常是通过在手动注释的数据上训练语言模型,然后将该模型应用于新文本,预测语音部分并给人信心来实现的。
您会发现大多数工具都是用C ++,Java和Python编写的。如果您不懂任何一种语言,则可以将其作为学习某些内容的绝佳机会!
有关更多信息和其他可用于此类标记的软件,请参见Wikipedia,尤其是底部的链接。
克里斯托弗(Christopher)的陈述是正确的,即NLP实现绝非野餐。但是,我最近研究了在带有基本PoS解析器的.NET项目中使用OpenNLP的可行解决方案。在我的示例中,我正在寻找名词短语,但是查找其他片段也并不难。我发现1.5版的OpenNLP工具模型足以满足我的目的。
我意识到对于提问者来说,这个答案来得太晚了,但是希望它将为其他人提供一些启发,帮助他们解决这个难题。
使用OpenNLP在.NET中提取具有上下文相关性的名词短语
请通读这篇文章。
将SharpNLP与C#Visual Studio项目轻松集成
在本文中,我给出了将SharpNLP与C#项目集成的逐步方法,并给出了示例代码段以专门解决您的问题,例如句子拆分,标记化和POSTagging。
试试看,我将能够为您解决遇到的问题。