Python自然语言处理书中的一个小小的问题

qq_24591999 2015-09-08 09:25:01

第五章分类标注词汇里面
nltk.corpus.brown.tagged_words(simplify_tags=True)
这句代码运行报错TypeError: tagged_words() got an unexpected keyword argument 'simplify_tags'
是什么原因？？或者是怎么改可以正常运行
小女子拜托各位大神了T_T

...全文

384 4 打赏收藏转发到动态举报

写回复

用AI写文章

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

cheng__98 2019-01-08

打赏
举报

不用对tagset进行赋值操作，直接用tagged_words()即可

Miles_Li 2018-08-14

打赏
举报

用tagset = 'universal'替换里面的simplify_tags=True. 就是词性标注有点差别了

李察德-泰森 2015-09-08

打赏
举报

TypeError: tagged_words() got an unexpected keyword argument 'simplify_tags' 你查下 tagged_words 有没有 simplify_tags 这个参数了

qq_24591999 2015-09-08

打赏
举报

我用>>>import inspect >>>inspect.getargspec(brown.tagged_words) 得到的结果是ArgSpec(args=['self', 'fileids', 'categories', 'tagset'], varargs=None, keywords=None, defaults=(None, None, None)) 其中只有tagset代替simplify_tags可以运行但是运行出来的结果和书上给的是非常不一样的我感觉自己在写代码上真是没有天赋TAT 大神们帮帮忙吧

deep learing with python keras之父力作英文原版1积分，高清PDF，用有道英文很容易读懂，同时锻炼英语文献能力。

要开始我们的NLP之旅，首先需要准备好工具箱。Python是最常用的编程语言之一，它拥有丰富的库支持，非常适合进行NLP开发。：提供了大量的文本处理功能，包括分词、词性标注等。spaCy：一个高效的工业级NLP库，特别适合大规模文本处理。TextBlob：基于NLTK构建，提供了一些更高级的功能，如情感分析和主题建模。序列到序列（Seq2Seq）模型广泛应用于机器翻译、文本摘要等任务。RNN（循环神经网络）和LSTM（长短期记忆网络）是两种常见的序列模型。# 定义输入层# 编码器# 解码器。

这就像是在一个巨大的图书馆里寻找一本特定的书，如果没有一个好的分类系统，你可能要花上一整天的时间。这里不仅有好玩的内容和知识等着你，还特别欢迎你畅所欲言，分享你的想法和见解。你可以把这里当作自己的家，无论是工作之余的小憩，还是寻找灵感的驿站，我都希望你能在这里找到属于你的那份快乐和满足。spaCy则是一个更加现代和高效的库，它专注于工业级应用，提供了更快的速度和更简洁的API。那么，今天的分享就到这里了，希望你们喜欢。

在这个信息爆炸的时代，能够从海量的数据中挖掘出有价值的信息成为了一项至关重要的技能。而Python，作为一门强大的编程语言，凭借其简洁易读的语法，成为了众多开发者和数据科学家的首选。当我们谈论到自然语言处理（NLP），Python更是如鱼得水，因为有像NLTK这样的库为它添砖加瓦。NLTK（Natural Language Toolkit）是一个用于处理人类语言数据的Python平台，提供了轻松访问语料库和词汇资源的方式，以及一系列文本处理类和函数，用于分类、标记化、词干提取、词性标注等任务。

随着本章接近尾声，我们应该回顾一下在帮助我们成功训练算法方面最重要的概念。首先，您应该注意适用于不同问题的模型类型。编码器-解码器模型体系结构引入了“多对多”输入-输出方案，并显示了它适用的场合。其次，您应该注意预处理技术在哪里可以应用于看似不同但相关的问题。从一种语言到另一种语言的数据翻译使用与创建基于不同响应回答问题的神经网络相同的预处理步骤。注意这些建模步骤以及它们如何与数据的底层结构相关联，可以在看似无关紧要的任务上节省时间。我们已经读完了这本书。我们解决了各种复杂程度和领域的 NLP 问题。