Python的NLTK与相关的Java库有什么关系？

Question

我使用了LingPipe,Stanford的NER,RiTa和各种句子相似性库,用于我以前的Java项目,这些项目主要关注大量英文文本的文本(预处理)处理(索引,xml标记,主题检测等)(大约10,000个文档)总计大于1GB的文本).也许我是一个糟糕的Java程序员,但是当我切换到不同的语料库时,我发现自己输入了大量代码并使用了大量的库.总的来说,我觉得可能有更好的工具来完成这项工作.

我想我的问题是,我是否可以从切换到Python和NLTK进行信息检索/语言处理中获益？或者是否有足够的利弊使其非常主观？NLTK是否足够直观,可以快速学习？

我会弄脏手,但接下来的几天我将无法使用个人电脑.

Answer 1

NLTK适用于自然语言处理.我已将它用于我的数据挖掘项目.您可以训练自己的分析仪.学习曲线并不陡峭.

NLTK为您的分析仪培训提供了巨大的语料库.您还可以提供自己的一组数据,例如,标记了词性的日记.

因为python非常适合文本处理,所以你可以尝试一下.另外,它有一个在线教程

请不要忘记使用python 2.x版本.试试python 2.6.对于python 3.x,NLTK可能不太好

Answer 2

如果您已经了解NLP的基础知识,我认为NLTK应该很容易掌握.它有一堆文档,2本书,我在streamhacker.com上写了很多文章和教程.如果您不想丢失Java包中的任何内容,理论上可以使用Jython(也许是execnet)将它与NLTK结合起来.

您还可以查看Pattern库.