nlp词性标注的作用

词性标注 – 除了语法关系，句中单词的位置（词性）标记也蕴含着信息，词的位置定义了它的用途和功能。宾夕法尼亚大学提供了一个完整的位置标记列表。下方代码则使用了nltk库来对输入的文本进行词性标注。

from nltk import word_tokenize, pos_tag
text = "i am learning natural language processing on analytics vidhya"
tokens = word_tokenize(text)
print pos_tag(tokens)
>>> [('i', 'prp'), ('am', 'vbp'), ('learning', 'vbg'), ('natural', 
'nnp'),('language', 'nnp'),('processing', 'nnp'), ('on', 'in'), 
('analytics', 'nnp'),('vidhya', 'nnp')]

在nlp中，词性标注有个很多重要用途：

a.消除歧义: 一些词的不同用法代表不同的意思. 如下列两句:

i. “please book my flight for delhi”

ii. “i am going to read this book in the flight”

“book” 在这里代表不同的意义, 好在它在两句的位置也不同. 第一句“book”是的动词, 第二句中它是个名词。 (lesk algorithm也被用于类似目的)

b.强化基于单词的特征: 一个机器学习模型可以从一个词的很多方面提取信息，但如果一个词已经标注了词性，那么它作为特征就能提供更精准的信息。 例如：

句子 -“book my flight, i will read this book”

单词 – (“book”, 2), (“my”, 1), (“flight”, 1), (“i”, 1), (“will”, 1), (“read”, 1), (“this”, 1)

带标注的单词 – (“book_vb”, 1), (“my_prp$”, 1), (“flight_nn”, 1), (“i_prp”, 1), (“will_md”, 1), (“read_vb”, 1), (“this_dt”, 1), (“book_nn”, 1)

译者注：如果不带词性标注，两个“book”就被认为是同义词，词频为2。这会在后续分析中引入误差。

c.标准化与词形还原: 位置标注是词形还原的基础步骤之一，可以帮助把单词还原为基本形式.

d.有效移除停用词 : 利用位置标记可以有效地去除停用词。