NLTK其他语言的POS恶搞

Question

我使用Python中NLTK模块，我试图用这个词性标注不同的语言。

有关于如何训练自己的POS恶搞不同语言的大量的信息 - 是真的有强大的数据库以及建立和测试NLTK POS标注器针对不同的语言？ （这是很容易使用咸菜模块出口POS标注器）

Answer 1

你可以找到强劲而良好制造和测试NLTK全集在 http://www.nltk.org/nltk_data/

您可能会发现其他corporas但这些都是最好的

Answer 2

从我所知道的来看，没有这样的良好构建和测试POS标签器的健壮数据库。但我认为这是个好主意。

我尝试了几个标签自己。对于一个大型英语语料库我用： http://gmb.let.rug.nl/

西班牙，我用了一个在NLTK包括（cess_esp）

from nltk.corpus import cess_esp as cess 

为了迅速培养简单标注器可以检查出NLTK师：

https://nltk-trainer.readthedocs.org/en/latest/train_tagger.html

Answer 3

如果不严格只使用NLTK，您可以尝试我们的强大和独立于语言的词性标注工具RDRPOSTagger。

（许可证：GPL第二版;编程语言：Python的& JAVA）

RDRPOSTagger获得两个学习快速的性能和标记的过程。另外，与最新的结果相比，RDRPOSTagger实现了非常具有竞争力的准确性。

更新18/11/2015：发布1.2版本改进的标签准确度，尤其是在形态丰富的语言。在this paper中查看实验结果，包括性能速度和标记精度。

RDRPOSTagger支持保加利亚语，捷克语，荷兰语，英语，法语，德语，印地语，意大利语，葡萄牙语，西班牙语，瑞典语，泰语和越南语的预训练POS和形态标记模型。 RDRPOSTagger还支持40种语言的预先训练的通用PO​​S标签模型。