如何將單詞序列中的句子和非句子類型分類？

Question

我有一堆線，他們可以分爲兩種類型。

字序列類型：

1. 它是一種有效的英語句子：

   經驗： - 作爲一個堅定的軟件工程師有超過5年的微軟技術和商業智能 經驗工具。

2. 不是一個有效的英語句子（隻字序）：
   例子：

   • 客戶：PMP汽車零部件

   • HTML，CSS樣式表，Java腳本，JSP

   • 組織：薩蒂揚計算機服務有限公司，| ？ |名稱：軟件工程師| ？ |時間：03/2006 03 /2010 | ？ |
   • SLC - STC優異認證 - 2006年薩蒂揚計算機服務有限公司

我使用機器學習task.i可以通過NLTK使用POS標籤作爲特徵進行分類蟒。在這個問題中可以應用哪種算法？

更新：
應該使用哪些特徵來預測它的一個句子是否不是？

Answer 1

您可以使用treetaggerwrapper： Reathedocs of TreetaggerWrapper

從文檔應該是易於使用：

import pprint # For proper print of sequences. 
import treetaggerwrapper 
#1) build a TreeTagger wrapper: 
tagger = treetaggerwrapper.TreeTagger(TAGLANG='en') 
#2) tag your text. 
tags = tagger.tag_text("This is a very short text to tag.") 
pprint.pprint(treetaggerwrapper.make_tags(tags)) 

檢查，如果森泰斯持有名詞（標籤NN），動詞（標籤VBZ ）和適當的句子標點符號（標記SENT）