NLTK pos_tag에서 "hello"가 명사로 분류 된 이유는 무엇입니까?

Question

나는

text = nltk.word_tokenize("hello, my name is John") 
words = nltk.pos_tag(text) 

for w in words: 
    print "%s = %s" % (w[0], w[1]) 

을 시도했습니다 그리고 내가 가지고 :

hello = NN 
, = , 
my = PRP$ 
name = NN 
is = VBZ 
John = NNP 

Answer 1

펜 트리 뱅크 (Penn Treebank) 태그 세트에 따르면, 안녕하세요은 분명히 개작이며 일관되게 UH로 태그가 지정됩니다. 당신이 겪고있는 문제는 NLTK가 제공하는 태거가 Penn Treebank의 월스트리트 저널 섹션에 무료로 제공되는 훈련을 받았을 가능성이 가장 높다는 것입니다. 불행하게도이 단어는 0 번 발생합니다. 안녕하세요 및 UH (interjection)로 태그 된 세 단어 만 포함됩니다. 구어 텍스트에 태그를 지정하려면 300 만 단어의 구어체 단어가 포함 된 Penn Treebank 전체에서 태그 작성자를 교육해야합니다.

그런데 NLTK 태거가 항상 을 호출하지는 않습니다. 안녕하세요 "do not hello me!"라고 태그를 달아보세요. 또는 "그는 인사했다".

Answer 2

NLTK 음성의 한 부분에 태그를 자신의 술래를 사용합니다.

하지만 정확도는 텍스트마다 다릅니다. 왜냐하면 NLTK 자체가 제공하는 코퍼스를 사용하여 태거가 훈련 되었기 때문입니다. 코퍼스는 뭐든지 될 수 있습니다.

코퍼스는 텍스트와 유사하지 않으므로 컨텍스트, 스타일이 모두 매우 다르기 때문에 태그 지정자가 텍스트에 태그를 지정하지 못합니다.

당신이 할 수있는 경우에 당신은 당신의 자신의 tagger를 훈련시킬 수 있습니다.

컴퓨터는 사람이 아니며 컴퓨터는 우리가 말한대로합니다. 따라서 제대로하기 위해서는 최상의 결과를 얻기 위해 제대로 가르쳐야합니다.

Answer 3

사전을 보면 "명사"(예 : Longman)로 정의 된 hello를 찾을 수 있습니다. 그것은 종종 "느낌표"또는 "interjection"으로 설명되지만 태그 "명사"는 틀리지 않습니다.