단어 사용법에 대한 통계를 계산하는 코드를 작성 중입니다. 누구든지 지난 한 해 동안 다양한 주제의 원시 뉴스 기사 데이터베이스를 어디에서 찾을 수 있는지 알고 있습니까? 바람직하게는 일반 텍스트 형식이나 XML 형식이어야합니다. 임의의 웹 사이트에서 콘텐츠를 긁어내는 것은 좋은 방법이 아닙니다. 앞으로 계속 진행할 수 있으리라 생각합니다. 그러나, 나는
파일에 항목이 없어도 코퍼스를 만드는 방법이 있습니까? 예를 들어, 나는 웹에서 잡는 짹짹이나 단락을 조작하고 싶습니다. 나는 myCorpus = MyCorpus([
('id', 'item', 'category'),
('id', 'item', 'category'),
('id', 'item', 'category'),
...
나는 NLP를 배우고있다. 나는 현재 Word Sense Disambiguation로 놀고있다. 나는 semcor corpus를 훈련 데이터로 사용할 계획이지만 xml 구조를 이해하는 데 어려움이 있습니다. 나는 인터넷 검색을 시도했지만 semcor의 콘텐츠 구조를 설명하는 리소스를 얻지 못했습니다. 내가 wnsn 있으리라 믿고있어 <s snum="1">
전 텍스트 전체 텍스트 스타일 검색을 실행하기 위해 텍스트 모음을 찾고 있습니다. 다운로드 할 수있는 것 또는 그것을 생성하는 시스템. 예를 들어 무작위 비트가 더 좋을 수 있습니다. 1,000,000 개의 위키피디아 기사를 2 열 데이터베이스 (ID, 텍스트)에 삽입하기 쉬운 형식으로 작성합니다. 의견이나 제안이 있으십니까?
나는 간단한 러시아어 - 영어 단어 corpus를 찾고있다. 첫 번째 열에는 러시아 단어가 나열되고 두 번째 열에는 동등한 영어 단어가 나열된 csv처럼 간단 할 수 있습니다. 내가 그런 것을 찾을 수있는 어떤 아이디어? NLTK 툴킷에는 다음과 같은 것이 있습니까? 감사
저는 파스 트리 콜렉션을 가지고 있는데, 여기에는 들여 쓰기가 구조를 결정하는이 ascii 표현에 있습니다 (닫는 괄호는 암시 적입니다). 괄호가 구조를 결정할 수 있도록 s-expressions로 변환해야합니다. 그것은 파이썬의 중요한 공백 대 괄호와 조금 비슷합니다. 입력 형식과 같이, 나무의 수직 표현 : STA:fcl
=S:np
==DN:pron
나는 이것이 길다는 것을 알고있다. 그러나 음절에 의한 스트레스 정보를 가진 영어 단어의 데이터 세트를 아는 사람은 누구인가? 다음과 같은 간단한 것이 환상적 일 것입니다. AARD vark
A ble
a BOUT
ac COUNT
AC id
ad DIC tion
ad VERT ise ment
...