使用NLTK进行文本数据的自动情感分析 通讯155：人工智能和新媒体朱准se教授家庭作业2018年五月 该项目使用自然语言工具包（NLTK）情感分析功能来分析四个csv数据集（亚马逊产品评论，啤酒评论，电影评论和雨伞评论）的文本情感。 每个数据集包含成对的评论内容列表和一个数字评分。 用户生成的评分与NLTK生成的分数之间的相关性绘制在matplotlib条形图中。 我还发现编写了代码来查找与正面和负面情绪得分唯一相关的单词。 亚马逊评论 一些与评论得到负面情感评分唯一相关的有趣单词：损坏，讨厌，不糟糕，混乱，失望，严重一些与获得积极情绪评分的评论有关的有趣单词：维生素，混合 啤酒评论 一些与评论得到负面情感评分唯一相关的有趣单词：恐怖，死亡，谋杀一些与获得好评的评论独特相关的有趣单词：颜色，炫酷，迪士尼，朱莉·安德鲁斯 我认为分析对这组数据的作用是独特的，因为评论是针对不同电影的

使用python进行自然语言处理时可能会需要这个包

利用nltk包实现对句子的名词抽取，可以自定义抽取的规则，需要了解一定的nltk名词抽取的规则，支持批量处理，具体的量可以自己设定。

非常全的讲义 比较深入 特别是对各个算法的讲解非常清晰 chapter1 绪论 chapter2 自动分词 chapter3 词性标注：HMM+Viterbi 基于转换的错误驱动词性标注 chapter4 形式文法：自底向上 自顶向下 Earley Tomita GLR算法 特征结构与合一 增加合一约束的Ealey算法 chapter5 语义分析 chapter6 语篇分析与指代消解 chapter7-13 NLTK教程

NLTK学习之二：建构词性标注器-附件资源

n-gram概率 使用NLTK库生成的Unigram和Bigram令牌。 计算的Unigram和Bigram概率。 并显示前15个常用词。

对于日文以及英文和中文或者其他的文本类型的数据，基于NLTK和DOCX以及re模块对整个文本进行切分，得到一条条的句子作为RNN网络的初始训练数据

使用NLTK进行情感分析 使用NLTK应用于不同数据集的情感分析算法 该存储库包含几个子项目，这些子项目是如何从不同的数据集中执行情感分析的示例。 每个文件夹包含一个不同的项目。 ##使用的工具和安装说明（Ubuntu）：### 1。 Python第一个示例已在Linux 64位体系结构下使用Python 2.7.9进行了测试。 但是，为了使用特定的“统计”包，需要使用Python3。 Python3已经随附了默认的Ubuntu安装，因此可以在终端上运行它： $ python3 Python 3.4.3 (default, Mar 26 2015, 22:03:40) [GCC 4.9.2] on linux Type "help", "copyright", "credits" or "license" for more information. >>> ### 2。 安装几个软件

nltk的停用词，用于学习nltk库的资源

NLTK配套书《用Python进行自然语言处理》 中文版