从名词短语中提取名词

Question

有人能告诉我怎么从下面的输出中只提取名词吗？

我已经对字符串“给我电影的评论”进行了分词和解析，按照给定的语法使用了以下步骤：

sent=nltk.word_tokenize(msg)
parser=nltk.ChartParser(grammar)
trees=parser.nbest_parse(sent)
for tree in trees:
    print tree
tokens=find_all_NP(tree)
tokens1=nltk.word_tokenize(tokens[0])
print tokens1

然后得到了以下输出：

>>> 
(S
  (VP (V Give) (Det me))
  (NP (Det the) (N review) (PP (P of) (N movie))))
(S
  (VP (V Give) (Det me))
  (NP (Det the) (N review) (NP (PP (P of) (N movie)))))
['the', 'review', 'of', 'movie']
>>> 

现在我只想得到名词。我该怎么做呢？

Answer 1

你不需要使用复杂的解析器来获取名词。其实你只需要用一个标记工具就可以了。你可以使用一个叫做nltk.tag.pos_tag()的函数。这个函数会返回一个包含单词和词性的小列表。你可以遍历这些小列表，找到标记为'NN'（单数名词）或'NNS'（复数名词）的单词。

NLTK提供了一个使用他们标记工具的指南，你可以在这里找到：https://nltk.googlecode.com/svn/trunk/doc/howto/tag.html，还有一本书的章节专门讲解如何使用标记工具，链接在这里：https://nltk.googlecode.com/svn/trunk/doc/book/ch05.html

在这些地方都有很多代码示例。