文件名称：nltk-trainer:用零代码训练NLTK对象
文件大小：77KB
文件格式：ZIP
更新时间：2024-05-03 05:20:20
Python
NLTK教练员 NLTK培训师的存在是为了尽可能简化培训和评估NLTK对象的过程。 要求 已测试具有默认参数的脚本与Python3.7和NLTK 3.4.5的兼容性。 如果某些问题对您不起作用，请。 包括带有参数和失败或异常输出的脚本。 要使用sklearn分类器，还必须安装 。 如果要使用NLTK随附的任何语料库，则应。 文献资料 可以在找到文档（您也可以在找到这些文档。《 中介绍了许多脚本，每个脚本都提供--help选项，描述所有可用参数。 使用训练有素的模型 训练有素的模型是默认情况下放入您的nltk_data目录中的pickle文件。 您可以使用nltk.data.load加载它们，例如： import nltk.data classifier = nltk.data.load('classifiers/movie_reviews_NaiveBayes.pickle') 现在，
【文件预览】：
nltk-trainer-master
----README.rst(2KB)
----classify_corpus.py(5KB)
----analyze_classifier_coverage.py(7KB)
----docs()
--------conf.py(6KB)
--------analyze_tagged_corpus.rst(1KB)
--------train_classifier.rst(6KB)
--------train_chunker.rst(3KB)
--------analyze_tagger_coverage.rst(2KB)
--------analyze_chunked_corpus.rst(836B)
--------Makefile(3KB)
--------train_tagger.rst(3KB)
--------index.rst(3KB)
----analyze_chunked_corpus.py(3KB)
----train_classifier.py(17KB)
----categorized_corpus2csv.py(2KB)
----tests()
--------analyze_chunked_corpus.sh(2KB)
--------train_tagger.sh(3KB)
--------train_chunker.sh(2KB)
--------analyze_chunker_coverage.sh(2KB)
--------analyze_tagger_coverage.sh(2KB)
--------train_tagger3.sh(3KB)
--------analyze_tagged_corpus3.sh(2KB)
--------analyze_tagged_corpus.sh(2KB)
--------train_classifier.sh(4KB)
--------analyze_tagger_coverage3.sh(2KB)
----nltk_trainer()
--------classification()
--------tagging()
--------featx()
--------chunking()
--------__init__.py(3KB)
--------writer()
----LICENSE(11KB)
----combine_classifiers.py(2KB)
----train_chunker.py(7KB)
----requirements.txt(52B)
----analyze_tagger_coverage.py(5KB)
----setup.py(1KB)
----.gitignore(10B)
----train_tagger.py(11KB)
----analyze_chunker_coverage.py(4KB)
----tag_phrases.py(3KB)
----analyze_tagged_corpus.py(3KB)
----.hgignore(46B)