2

私はここで見つけたこの小さなコードの塊を持っています:

import nltk.classify.util
from nltk.classify import NaiveBayesClassifier
from nltk.corpus import movie_reviews
from nltk.corpus import stopwords

def word_feats(words):
    return dict([(word, True) for word in words])

negids = movie_reviews.fileids('neg')
posids = movie_reviews.fileids('pos')

negfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'neg') for f in negids]
posfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'pos') for f in posids]

negcutoff = len(negfeats)*3/4
poscutoff = len(posfeats)*3/4

trainfeats = negfeats[:negcutoff] + posfeats[:poscutoff]
testfeats = negfeats[negcutoff:] + posfeats[poscutoff:]
print 'train on %d instances, test on %d instances' % (len(trainfeats), len(testfeats))

classifier = NaiveBayesClassifier.train(trainfeats)
print 'accuracy:', nltk.classify.util.accuracy(classifier, testfeats)
classifier.show_most_informative_features()

しかし、コーパスにある可能性のあるランダムな単語をどのように分類できますか。

classifier.classify('magnificent')

うまくいきません。何らかのオブジェクトが必要ですか？

どうもありがとうございました。

編集: @unutbu のフィードバックとここを掘り下げて元の投稿のコメントを読んだおかげで、このコードの「pos」または「neg」が得られます (これは「pos」です)。

print(classifier.classify(word_feats(['magnificent'])))

これにより、「pos」または「neg」の単語の評価が得られます

print(classifier.prob_classify(word_feats(['magnificent'])).prob('neg'))
4

1 に答える 1

1 
print(classifier.classify(word_feats(['magnificent'])))

収量

pos

このclassifier.classifyメソッドは、個々の単語自体には作用せずdict、機能のに基づいて分類されます。この例でword_featsは、文（単語のリスト）をdict機能のにマップします。

を使用する別の例（NLTKブックから）を次に示しNaiveBayesClassifierます。その例と投稿した例の類似点と相違点を比較することで、どのように使用できるかをよりよく理解できる可能性があります。

于 2013-02-05T20:58:54.427 に答える