有哪些Python庫可以幫你輕松的進行自然語言預處理

今天就跟大家聊聊有關有哪些Python庫可以幫你輕松的進行自然語言預處理，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

自然語言處理是比較廣泛的研究領域之一。許多大公司在這個領域投資很大。NLP為公司提供了機會，讓他們能夠根據消費者的情緒和文本很好地了解他們。NLP的一些最佳用例是檢測假電子郵件、對假新聞進行分類、情感分析、預測你的下一個單詞、自動更正、聊天機器人、個人助理等等。

解決任何NLP任務前要知道的7個術語

標記：它是將整個文本分割成小標記的過程。占卜是根據句子和單詞兩個基礎來完成的。

text = "Hello there, how are you doing today? The weather is great today. python is awsome"  ##sentece tokenize (Separated by sentence)  ['Hello there, how are you doing today?', 'The weather is great today.', 'python is awsome']  ##word tokenizer (Separated by words)  ['Hello', 'there', ',', 'how', 'are', 'you', 'doing', 'today', '?', 'The', 'weather', 'is', 'great', 'today', '.','python', 'is', 'awsome']

停止詞：一般來說，這些詞不會給句子增加太多的意義。在NLP中，我們刪除了所有的停止詞，因為它們對分析數據不重要。英語中總共有179個停止詞。

詞干提取：它是通過去掉后綴和前綴將一個單詞還原為詞根的過程。

詞形還原：它的工作原理與詞干法相同，但關鍵的區別是它返回一個有意義的單詞。主要是開發聊天機器人、問答機器人、文本預測等。

WordNet：它是英語語言名詞、動詞、形容詞和副詞的詞匯數據庫或詞典，這些詞被分組為專門為自然語言處理設計的集合。

詞性標注：它是將一個句子轉換為一個元組列表的過程。每個元組都有一個形式(單詞、標記)。這里的標簽表示該單詞是名詞、形容詞還是動詞等等。

text = 'An sincerity so extremity he additions.'  --------------------------------  ('An', 'DT'), ('sincerity', 'NN'), ('so', 'RB'), ('extremity', 'NN'), ('he', 'PRP'), ('additions', 'VBZ')]

詞袋：它是一個將文本轉換成某種數字表示的過程。比如獨熱編碼等。

sent1 = he is a good boy  sent2 = she is a good girl  |  |  girl good boy  sent1 0 1 1  sent2 1 0 1

現在，讓我們回到我們的主題，看看可以幫助您輕松預處理數據的庫。

NLTK

毫無疑問，它是自然語言處理最好和使用最多的庫之一。NLTK是自然語言工具包的縮寫。由Steven Bird 和Edward  Loper開發的。它帶有許多內置的模塊，用于標記化、詞元化、詞干化、解析、分塊和詞性標記。它提供超過50個語料庫和詞匯資源。

安裝:pip install nltk

讓我們使用NLTK對給定的文本執行預處理

import nltk #nltk.download('punkt') from nltk.tokenize import word_tokenize from nltk.corpus import stopwords from nltk.stem import PorterStemmer import re ps = PorterStemmer() text = 'Hello there,how are you doing today? I am Learning Python.' text = re.sub("[^a-zA-Z0-9]"," ",text) text = word_tokenize(text) text_with_no_stopwords = [ps.stem(word) for word in text if word not in stopwords.words('english')] text = " ".join(text_with_no_stopwords) text -----------------------------------------------OUTPUT------------------------------------ 'hello today I learn python'

TextBlob

Textblob是一個簡化的文本處理庫。它提供了一個簡單的API，用于執行常見的NLP任務，如詞性標記、情感分析、分類、翻譯等。

安裝:pip install textblob

spacy

這是python中最好用的自然語言處理庫之一，它是用cpython編寫的。它提供了一些預訓練的統計模型，并支持多達49種以上的語言進行標記化。它以卷積神經網絡為特征，用于標記、解析和命名實體識別。

安裝:pip install spacy

import spacy nlp = spacy.load('en_core_web_sm') text = "I am Learning Python Nowdays" text2 = nlp(text) for token in text2: print(token,token.idx) ------------------------------OUTPUT----------------------- I 0 am 2 Learning 5 Python 14 Nowdays 21

Gensim

它是一個Python庫，專門用于識別兩個文檔之間的語義相似性。它使用向量空間建模和主題建模工具包來尋找文檔之間的相似之處。它是設計用來處理大型文本語料庫的算法。

安裝:pip install gensim

CoreNLP

Stanford CoreNLP的目標是簡化對一段文本應用不同語言工具的過程。這個庫運行速度非常快，并且在開發中工作得很好。

安裝:pip install stanford-corenlp

看完上述內容，你們對有哪些Python庫可以幫你輕松的進行自然語言預處理有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。