Python的NLTK與相關的Java庫？

Question

我曾經使用LingPipe，Stanford的NER，RiTa和各種句子相似度庫來處理我以前的Java項目，這些項目專注於大量英文文本的文本（預處理）（索引，xml標記，主題檢測等）總計大於1GB的文本爲10,000個文檔）。也許我是一個糟糕的Java程序員，但是當我切換到不同的語料庫時，我發現自己打字了很多代碼並使用了很多庫。總的來說，我覺得這項工作可能會有更好的工具。

我想我的問題是，我將受益於切換到Python和NLTK信息檢索/語言處理？還是有足夠的優點和缺點使其非常主觀？ NLTK是否足夠直觀，可以快速學習？

我會弄髒自己的手，但在接下來的幾天裏我將無法使用個人計算機。

Answer 1

NLTK適合自然語言處理。我已經將它用於我的數據挖掘項目。你可以訓練你自己的分析儀。學習曲線並不陡峭。

NLTK擁有龐大的語料庫來訓練您的分析儀。您還可以提供自己的一組數據，例如，一部分爲詞性標記的日記。

由於python非常適合文本處理，所以您可以試試看。另外，它有一個在線tutorial

請不要忘記使用python 2.x版本。試試python 2.6。 NLTK可能不太適合python 3.x

Answer 2

如果你已經理解了NLP的基礎知識，我認爲NLTK應該很容易找到。它有大量的文檔，2本書，並且我寫了& streamhacker.com的許多文章。如果Java程序包中有任何不想丟失的東西，那麼理論上可以使用Jython（也許是execnet）將它與NLTK結合起來。

您也可以查看Pattern庫。