pos_tag在全部大寫的文本上失敗

Question

我正在處理不幸在全部大寫中給出的文本。默認的nltk.pos_tag函數在這個文本上做得不是很好（它認爲所有東西都是專有名詞）。

解決此問題的最佳方法是什麼？

Answer 1

最好的做法是在POS標記之前將truecasing應用於您的文本。

如果這是你太多efford，你可以改變你的Python字符串x降低使用x.lower()字符，至少應該避免只獲得專有名詞標籤的問題（可能會有一些困惑與過少專有名詞標籤雖然）。

您可以通過將標記語料庫先前轉換爲lower來培訓POS標記語，但如果您想獲得最佳結果，則可能需要進行正確分類。