是什么NLTK（蟒蛇）

Question

谁能告诉我一个语料库，语料库和词汇在NLTK的区别语料库和词库之间的区别？

什么是电影数据集？

什么是Wordnet？

Answer 1

Corpora是复数为语料库。

语料库基本上意味着一个身体，在自然语言处理（NLP）的情况下，它意味着一个文本体。

（来源：https://www.google.com.sg/search?q=corpora）

---

词典是一个词汇，单词列表，一个词典（来源：https://www.google.com.sg/search?q=lexicon）

在NLTK，任何词典是因为考虑语料库单词列表也是正文文本。例如。停用词的列表可以在NLTK语料库API中找到：

>>> from nltk.corpus import stopwords 
>>> print stopwords.words('english') 
[u'i', u'me', u'my', u'myself', u'we', u'our', u'ours', u'ourselves', u'you', u'your', u'yours', u'yourself', u'yourselves', u'he', u'him', u'his', u'himself', u'she', u'her', u'hers', u'herself', u'it', u'its', u'itself', u'they', u'them', u'their', u'theirs', u'themselves', u'what', u'which', u'who', u'whom', u'this', u'that', u'these', u'those', u'am', u'is', u'are', u'was', u'were', u'be', u'been', u'being', u'have', u'has', u'had', u'having', u'do', u'does', u'did', u'doing', u'a', u'an', u'the', u'and', u'but', u'if', u'or', u'because', u'as', u'until', u'while', u'of', u'at', u'by', u'for', u'with', u'about', u'against', u'between', u'into', u'through', u'during', u'before', u'after', u'above', u'below', u'to', u'from', u'up', u'down', u'in', u'out', u'on', u'off', u'over', u'under', u'again', u'further', u'then', u'once', u'here', u'there', u'when', u'where', u'why', u'how', u'all', u'any', u'both', u'each', u'few', u'more', u'most', u'other', u'some', u'such', u'no', u'nor', u'not', u'only', u'own', u'same', u'so', u'than', u'too', u'very', u's', u't', u'can', u'will', u'just', u'don', u'should', u'now'] 

---

在NLTK（标准地称为Movie Reviews Corpus）的电影评论集是与情感极性分类 2K电影评论一文本数据集（来源：http://www.nltk.org/book/ch02.html）

而且它常被用于教程目的引入到NLP和情绪分析，见http://www.nltk.org/book/ch06.html和nltk NaiveBayesClassifier training for sentiment analysis

---

共发现是英语（它就像一个词库/字典，词对词关系）（来源：https://wordnet.princeton.edu/）词汇数据库。

在NLTK中，它包含了开放式多语言WordNet（http://compling.hss.ntu.edu.sg/omw/），允许您查询其他语言的单词。由于它也是一个单词列表（在这种情况下，包括许多其他事物，关系，引理句，POS等），它也在NLTK中使用nltk.corpus进行调用。

的规范成语使用NLTK WordNet的是这样的：

>>> from nltk.corpus import wordnet as wn 
>>> wn.synsets('dog') 
[Synset('dog.n.01'), Synset('frump.n.01'), Synset('dog.n.03'), Synset('cad.n.01'), Synset('frank.n.02'), Synset('pawl.n.01'), Synset('andiron.n.01'), Synset('chase.v.01')] 

---

最简单的方法来了解/学习NLP行话和基础知识是要经过这些教程中NLTK书：http://www.nltk.org/book/