判断一个单词是否是名词

Question

给定一个输入单词，我想确定它是否是名词（如果有歧义，例如

cook

可以是名词或动词，则必须将该单词识别为名词）。

实际上，我使用斯坦福解析器中的 POS 标记器（我给它一个单词作为输入，然后从结果中仅提取 POS 标记）。结果很好，但是需要很长时间。

有没有办法（用Python，请:)比我实际做的更快地执行这个任务？

Answer 1

如果您只是想检查单个单词是否可以用作名词，最快的方法可能是构建所有名词的集合，然后只需检查该单词是否属于该集合。

要获取所有名词的列表，您可以使用 WordNet 语料库（例如可以通过 NLTK 访问）：

>>> from nltk.corpus import wordnet as wn
>>> nouns = {x.name().split('.', 1)[0] for x in wn.all_synsets('n')}
>>> "cook" in nouns
True
>>> "and" in nouns
False

Answer 2

我不能代表Python包装器，但如果你使用Stanford

POS tagger

而不是解析器，它应该会快得多。有

Stanford CoreNLP

的包装器，其中包括标记器：https://pypi.python.org/pypi/corenlp-python；或者，看起来

nltk

也有一个斯坦福标记器模块 http://www.nltk.org/_modules/nltk/tag/stanford.html 。

如果将单个单词嵌入到玩具句子中，您也可能会获得更好的结果。类似“X 是一个东西”之类的东西。根据句子的不同，这也可能会让您偏向或不将单词猜测为名词。

Answer 3

如果您要检查单个单词，我会支持使用 Wordnet。我还使用了免费提供的 TreeTagger： http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/ 该二进制文件运行速度非常快并且支持多种语言。 如果您需要纯 Pythonic 解决方案，请检查 Brill Tagger 的 NLTK 实现：http://www.nltk.org/_modules/nltk/tag/brill.html

Answer 4

要从 wordnet 获得更详细的名词列表，您可以这样做：

from nltk.corpus import wordnet as wn
import re
possible_nouns = [word for synset in wn.all_synsets('n') for word in synset.lemma_names()]
all_nouns = []
for eachNoun in possible_nouns:
    eachNoun = re.sub("""_"""," ", eachNoun) 
    all_nouns.append(eachNoun.lower())
all_nouns = list(set(all_nouns)) #some different synsets of the same word are filtered
len(all_nouns) # should be roughly 117798