python - 如何只保留单词表中的名词词？ python NLTK

Question

我有一个单词表，其中包含许多主题。主题是从句子中自动提取的。我只想保留主题中的名词。如您所见，有些主题有 adj，我想将其删除。

wordlist=['country','all','middle','various drinks','few people','its reputation','German Embassy','many elections']
returnlist=[]
for word in wordlist:
    x=wn.synsets(word)
    for syn in x:
        if syn.pos() == 'n':
            returnlist.append(word)
            break
print returnlist

上面的结果是:

['country','it',  'middle']

但是，我想要得到的结果应该是这样的

   wordlist=['country','it', 'middle','drinks','people','reputation','German Embassy','elections']

怎么做？

Answer 1

首先，您的列表是未很好标记化文本的结果，因此我再次对它们进行了标记化 然后搜索所有单词的 pos 以找到 pos 包含 NN 的名词:

>>> text=' '.join(wordlist).lower()
>>> tokens = nltk.word_tokenize(text)
>>> tags = nltk.pos_tag(tokens)
>>> nouns = [word for word,pos in tags if (pos == 'NN' or pos == 'NNP' or pos == 'NNS' or pos == 'NNPS')
]
>>> nouns
['country', 'drinks', 'people', 'Embassy', 'elections']