访问分块语料库

我们可以使用NLTK的corpus模块访问较大量的已分块文本。CoNLL2000分块语料库包含27万词的《华尔街日报文本》，分为“训练”和“测试”两部分，标注有词性标记和IOB格式分块标记。我们可以使用nltk.corpus.conll2000访问这些数据。下面是一个读取语料库的“训练”部分的100个句子的例子：

from nltk.corpus import conll2000
conll2000.chunked_sents('train.txt')[99]

CoNLL2000分块语料库包含三种块类型：NP块，VP块，PP块。
因为现在我们唯一感兴趣的是NP块，我们可以使用chunk_types参数选择它们：

conll2000.chunked_sents('train.txt',chunk_types=['NP'])[99]