自然语言0_nltk中文使用和学习资料汇总
sklearn實戰-乳腺癌細胞數據挖掘（博主親自錄制視頻教程）
https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share
?
http://blog.csdn.net/huyoo/article/details/12188573
?
官方數據
http://www.nltk.org/book/
Natural Language Processing with Python
– Analyzing Text with the Natural Language Toolkit
Steven Bird, Ewan Klein, and Edward Loper
This version of the NLTK book is updated for Python 3 and NLTK 3. The first edition of the book, published by O'Reilly, is available at http://nltk.org/book_1ed/. (There are currently no plans for a second edition of the book.)
Term Index
This book is made available under the terms of the Creative Commons Attribution Noncommercial No-Derivative-Works 3.0 US License.
Please post any questions about the materials to the nltk-users mailing list. Please report any errors on the issue tracker.
?
?
?
?
?
?
nltk YouTube視頻資源
先跟著模仿，再看書，要容易一些
?
https://www.pythonprogramming.net/tokenizing-words-sentences-nltk-tutorial/
擁有良好視頻和文字教程
?
?
?
?
?
?
?
nltk是一個Python工具包, 用來處理和自然語言處理相關的東西. 包括分詞(tokenize), 詞性標注(POS), 文本分類, 等等現成的工具.
1. nltk的安裝
資料1.1: 黃聰：Python+NLTK自然語言處理學習（一）：環境搭建??http://www.cnblogs.com/huangcong/archive/2011/08/29/2157437.html? ?這個圖文并茂, 步驟清晰, 值得一看. 我想我沒必要再重新寫一遍了, 因為我當時也是按照他這樣做的.
資料1.2:?把python自然語言處理的nltk_data打包到360云盤，然后共享給朋友們?http://www.cnblogs.com/ToDoToTry/archive/2013/01/18/2865941.html?這個是作者將接近300M的nltk_data上傳到百度云了, 我覺得, 可以試試下載, 畢竟使用資料1中nltk自帶的download()方法, 從官方網站下載所有的數據包需要很長時間.
補充: 有人說, 這個下載的鏈接已經失效了, 我把我用的nltk2.0的data目錄里的zip文件打包傳到百度云盤了, 290多M, 上傳我費了好多時間, 你們可以去下載:?http://pan.baidu.com/s/1hq7UUFU
資料1.3: Ubuntu上安裝NLTK出現的問題與解決方法?http://www.cnblogs.com/mengshu-lbq/archive/2012/09/19/2694135.html?需要的看看吧
資料1.4:?安裝nltk遇到的小問題?http://blog.upupbug.com/?p=106?
資料1.5 ?安裝nltk后導入語料的時候出錯, 一般是一些依賴包沒安裝?http://blog.tianya.cn/blogger/post_show.asp?BlogID=762305&PostID=8954744
資料1.6?NLTK中文化處理及文字筆畫音調剖析工具整合套件?http://tm.itc.ntnu.edu.tw/CNLP/?q=node/5?臺灣一個大學對nltk的介紹
資料1.7?windows下如何安裝NLTK，并使用模塊nltk？http://zhidao.baidu.com/question/567881533.html
2. nltk初步使用入門
資料2.1 ?PYTHON自然語言處理中文翻譯 NLTK 中文版.pdf?http://ishare.iask.sina.com.cn/f/23996193.html?中文版的《PYTHON自然語言處理》 這是一個好書，強烈推薦。這本書雖然早就有人翻譯成中文了，但是還有些精力旺盛的博主還在翻譯，比如這位?http://www.cnblogs.com/yuxc/archive/2011/08/29/2157415.html?《Python自然語言處理》學習筆記索引。 他翻譯了很多， 中英文夾雜的，精神可嘉，做法不可取。不知道別人早就翻譯完了這本書嗎？資料2.2: 黃聰：Python+NLTK自然語言處理學習（二）：常用方法（similar、common_contexts、generate）?http://www.cnblogs.com/huangcong/archive/2011/08/29/2158054.html??
這篇, 初步介紹了如何開始使用nltk的語料和他的一些常用方法. 有點python基礎的可以直接看了.之所以放在這里, 還是因為, 只有安裝好了才可以進行到這一步.
資料2.3 黃聰：Python+NLTK自然語言處理學習（三）：計算機自動學習機制?http://www.cnblogs.com/huangcong/archive/2011/08/29/2158447.html??
這一篇也挺淺顯易懂的.
資料2.4?python中nltk.parse_cfg是干什么用的 求例子?http://zhidao.baidu.com/question/552627368.html?
3.nltk初中級應用
資料3.1:?可愛的 Python: 自然語言工具包入門?http://www.ibm.com/developerworks/cn/linux/l-cpnltk/
這個是ibm的磚家寫的資料, 但是這個不能作為入門資料, 可以歸結到初級應用資料. 對于那些動手能力弱的人, 這個文章真的不是那么好懂的, 所以不適合入門看, 而適合那些喜歡寫代碼, 喜歡鼓搗折騰的人看.
資料3.2 詞性標注?http://blog.csdn.net/fxjtoday/article/details/5841453?這篇文章介紹了默認的詞性標注類(比如, 所有的詞都標注為名詞), 基于規則標注詞性, 基于正則表達式標注詞性,?n-gram標注詞性等等.
資料3.3:?Classify Text With NLTK?http://blog.csdn.net/fxjtoday/article/details/5862041?別看標題是英文的, 實際上內容是中英文混合的, 不過這個比上面一篇簡單些. 主要就是使用nltk對一些姓名 性別進行訓練, 并預測測試語料中的姓名是啥性別. 這篇文章能夠讓你對 分類, 樣本特征稍微有個初步入門.
資料3.4 使用nltk從非結構化數據中抽取信息?http://blog.csdn.net/fxjtoday/article/details/5871386? 這篇主要介紹了命名實體識別
4.使用nltk來處理中文資料
nltk 怎么樣使用中文?這是個大問題。這么個工具目前只能比較好的處理英文和其他的一些拉丁語系，誰讓別人的單詞與單詞之間有個空格隔開呢！中文漢字一個挨一個 的，nltk在分詞這一關就過不去了，分詞沒法分，剩下的就都做不了。唯一能做的， 就是對網上現有的中文語料進行處理，這些語料都分好了詞，可以使用nltk進行類似與英文的處理。
python處理中文首先需要設置一下文本的編碼， 文件的首行加上： #coding utf-8 這個是給python解釋器識別的，然后文件保存的時候，還需要保存為utf-8的編碼。
這些編碼設置完了， ntlk還是處理不了中文。
nltk處理中文的第一步障礙就是中文資料不是分好詞的， 詞語與詞語之間沒有空格。要使用nltk對中文進行處理， 首先的第一步就是中文分詞（臺灣叫中文斷詞）。
目前python中文分詞的包，我推薦使用結巴分詞。 使用結巴分詞，之后，就可以對輸出文本使用nltk進行相關處理。
當然中文分詞， 不應該成為使用nltk的障礙，或許很多人認為，既然用nltk，那么nltk就應該支持中文。但是我們得認清現實，現實就是nltk就是不支持處理中 文，因此，這個給國內很多自然語言處理的研究人員有了研究的空間了，nltk既然沒做中文分詞，那么中國人就應該自己做了這個。一個口碑比較好的中文分詞 工具就是ICTCLAS中文分詞。
當然，我個人覺得中國人自己開發的純python實現的結巴分詞也不錯。
總的來說，nltk不提供中文分詞，不應該糾結于此，并止步不前，我們完全可以使用其他的中文分詞工具，將需要處理的資料分好詞，然后再使用 nltk進行處理，因此，這里就不多說中文分詞的那點事了。如果你因為中文分詞而分心，并轉向到中文分詞的研究之中，那么你就掉入了另外一個深坑之中。牢 記本文的主題是nltk。當然需要多啰嗦一點的就是，nltk的默認詞性標注集使用的是Penn Treebank 的詞性標注集，因此，你選用中文分詞模塊的時候，最好能夠使用和penn詞性標注集差不多的中文分詞工具，當然，不一樣也沒事。
資料4.1 使用python結巴分詞對中文資料進行分詞?https://github.com/fxsjy/jieba?結巴分詞的github主頁
資料4.2?基于python的中文分詞的實現及應用?http://www.cnblogs.com/appler/archive/2012/02/02/2335834.html
資料4.3 ?對Python中文分詞模塊結巴分詞算法過程的理解和分析?http://ddtcms.com/blog/archive/2013/2/4/69/jieba-fenci-suanfa-lijie/
資料4.4 賓州中文樹庫標記以及其解釋， Penn Chinese Treebank Tag Set?http://blog.csdn.net/neutblue/article/details/7375085
5.nltk的高級應用入門
啥叫高級啊？ 就是基礎掌握了之后，開始運用實際工作了，就叫高級。比如什么統計推薦，評分，機器翻譯，文本分類，輿情監控等等都是高級應用。
下面是些入門資料。
資料1：?通過nltk的機器學習方法實現論壇垃圾帖的過濾?http://blog.sina.com.cn/s/blog_630c58cb0100vkw3.html
資料2：利用nltk建立一個簡單的詞庫?http://blog.sina.com.cn/s/blog_630c58cb0100vkix.html
資料3：利用概率分布進行關聯規則挖掘?http://blog.sina.com.cn/s/blog_630c58cb0100vll0.html
6. nltk的精通
何謂精通？ 精通就是熟練的表達你的想法。
何謂精通一個工具？ 就是你想做什么， 你就能用這個工具順利的完成。do everything you want with nltk.
至于如何精通，建議多看英文資料和多動手操練。nltk官方文檔， 一些參與nltk的大學研究機構，北大，清華的語言研究以及國際語言研究機構acl所發的論文等等。
假設你目前真的熟練的掌握了nltk的各種玩法了，那么， 你精通的標志就是改造nltk， 使它功能更強，更優，更快，更方便。
比如：
6.1 集成結巴分詞到nltk的分詞器之中
6.2 在國內多弄幾個地方，放置nltk_data數據包，方便大家下載
6.3 給nltk提供語料
等等，剩下的由你來補充。
最后說一句： nltk的中文資料確實不多，坑爹吧？相信很多人卡在了中文分詞那一步。。。堅定的要求用nltk進行中文分詞的朋友，還是先跳過這一步吧. 另外, 喜歡python和自然語言處理的朋友可以加我的QQ群:Python自然語言處理群(220373876), 歡迎來參與討論.
python風控評分卡建模和風控常識
https://study.163.com/course/introduction.htm?courseId=1005214003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share
總結
以上是生活随笔為你收集整理的自然语言0_nltk中文使用和学习资料汇总的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： leetcode 42 接雨水 单调栈
- 下一篇： Amesim 安装