Python中NLTK的命名实体识别。标识网元

Question

我需要把单词分成它们的词性。如动词、名词、副词等。我使用了

nltk.word_tokenize() #to identify word in a sentence 
nltk.pos_tag()       #to identify the parts of speech
nltk.ne_chunk()      #to identify Named entities. 

它的输出是一棵树。例如

>>> sentence = "I am Jhon from America"
>>> sent1 = nltk.word_tokenize(sentence )
>>> sent2 = nltk.pos_tag(sent1)
>>> sent3 =  nltk.ne_chunk(sent2, binary=True)
>>> sent3
Tree('S', [('I', 'PRP'), ('am', 'VBP'), Tree('NE', [('Jhon', 'NNP')]), ('from', 'IN'), Tree('NE', [('America', 'NNP')])])

当访问这个树中的元素时，我这样做了：

>>> sent3[0]
('I', 'PRP')
>>> sent3[0][0]
'I'
>>> sent3[0][1]
'PRP'

但在访问命名实体时：

>>> sent3[2]
Tree('NE', [('Jhon', 'NNP')])
>>> sent3[2][0]
('Jhon', 'NNP')
>>> sent3[2][1]    
Traceback (most recent call last):
  File "<pyshell#121>", line 1, in <module>
    sent3[2][1]
  File "C:\Python26\lib\site-packages\nltk\tree.py", line 139, in __getitem__
    return list.__getitem__(self, index)
IndexError: list index out of range

我得到了上面的错误。

我想要的是输出为'NE‘，类似于前面的'PRP’，所以我不能识别哪个单词是命名实体。有没有办法用python中的NLTK做到这一点？？如果是这样，请发布该命令。或者在树库中有一个函数可以做到这一点？我需要节点值'NE‘

Answer 1

这个答案可能是错误的，在这种情况下，我将删除它，因为我没有在这里安装NLTK来尝试它，但我认为你可以这样做：

   >>> sent3[2].node
   'NE'

sent3[2][0]返回树的第一个子级，而不是节点本身

编辑：当我回到家的时候，我尝试了一下，它确实起作用了。

Answer 2

下面是我的代码：

chunks = ne_chunk(postags, binary=True)
for c in chunks:
  if hasattr(c, 'node'):
    myNE.append(' '.join(i[0] for i in c.leaves()))

Answer 3

这将会起作用

for sent in chunked_sentences:
  for chunk in sent:
    if hasattr(chunk, "label"):
        print(chunk.label())