<p>使用<code>nltk</code>、<code>Textblob</code>、<code>SpaCy</code>或任何其他库都可以获得良好的结果。这些图书馆都能胜任这项工作,但效率不同。</p>
<pre><code>import nltk
from textblob import TextBlob
import spacy
nlp = spacy.load('en')
nlp1 = spacy.load('en_core_web_lg')
txt = """Natural language processing (NLP) is a field of computer science, artificial intelligence, and computational linguistics concerned with the interactions between computers and human (natural) languages."""
</code></pre>
<p>在我的Windows102内核、4个处理器、8GBRAM i5<strong>hp</strong>笔记本电脑上,在jupyter笔记本电脑上,我进行了一些比较,结果如下。</p>
<p><em>对于TextBlob:</em></p>
<pre><code>%%time
print([w for (w, pos) in TextBlob(txt).pos_tags if pos[0] == 'N'])
</code></pre>
<p><em><strong>输出为</strong></em></p>
<pre><code>>>> ['language', 'processing', 'NLP', 'field', 'computer', 'science', 'intelligence', 'linguistics', 'inter', 'actions', 'computers', 'languages']
Wall time: 8.01 ms #average over 20 iterations
</code></pre>
<p><em>对于nltk:</em></p>
<pre><code>%%time
print([word for (word, pos) in nltk.pos_tag(nltk.word_tokenize(txt)) if pos[0] == 'N'])
</code></pre>
<p><em><strong>输出为</strong></em></p>
<pre><code>>>> ['language', 'processing', 'NLP', 'field', 'computer', 'science', 'intelligence', 'linguistics', 'inter', 'actions', 'computers', 'languages']
Wall time: 7.09 ms #average over 20 iterations
</code></pre>
<p><em>对于痉挛:</em></p>
<pre><code>%%time
print([ent.text for ent in nlp(txt) if ent.pos_ == 'NOUN'])
</code></pre>
<p><em><strong>输出为</strong></em></p>
<pre><code>>>> ['language', 'processing', 'field', 'computer', 'science', 'intelligence', 'linguistics', 'inter', 'actions', 'computers', 'languages']
Wall time: 30.19 ms #average over 20 iterations
</code></pre>
<p>似乎<code>nltk</code>和<code>TextBlob</code>速度相当快,这是意料之中的,因为没有存储关于输入文本<code>txt</code>的其他内容。痉挛要慢得多。还有一件事。<code>SpaCy</code>错过了名词<code>NLP</code>,而<code>nltk</code>和<code>TextBlob</code>得到了它。我会为<code>nltk</code>或<code>TextBlob</code>开枪,除非我想从输入中提取其他内容<code>txt</code>。</p>
<p><br/>快速进入<code>spacy</code><a href="https://spacy.io/usage/models" rel="noreferrer">here</a>。
<br/>查看有关<code>TextBlob</code><a href="https://pypi.org/project/textblob/" rel="noreferrer">here</a>的一些基础知识。<br/>查看<code>nltk</code>如何<a href="http://www.nltk.org/howto/" rel="noreferrer">here</a></p>