Java 识别词类的文本处理

我必须编写一个程序（用Java）来识别几个词类，如名词、形容词、动词等。该程序还应该识别数字（用数字表示，例如10）和用普通英语表示的数字（十、一百等）等等。我不确定前进的道路是什么。有什么图书馆可以提供帮助吗？这只能用正则表达式完成吗？还是我需要学习NLP

请提出一个前进的方向。

词性（POS）标记是一项相当标准的NLP任务。理论上，你可以编写正则表达式来标记非常简单的句子，你不可能用正则表达式模型实现合理的覆盖率或准确性。您可以很好地训练一个相当简单的HMM模型，或者在一个手动标记的训练集上训练一个有区别的标记器

但是要标记一个特定的语料库，你不一定需要学习词性标记的所有细节并自己动手——学习使用现有的库可能就足够了（例如NLTK或斯坦福NLP库）

将文本数字表示转换为阿拉伯语形式（反之亦然）属于“文本规范化”的范畴。正则表达式（或其他有限状态转换）在那里可能更有用，不过，在从头开始之前，您可能需要寻找满足您需要的现有解决方案。

词性（POS）标记是一项非常标准的NLP任务。理论上，你可以编写正则表达式来标记非常简单的句子，你不可能用正则表达式模型实现合理的覆盖率或准确性。您可以很好地训练一个相当简单的HMM模型，或者在一个手动标记的训练集上训练一个有区别的标记器

但是要标记一个特定的语料库，你不一定需要学习词性标记的所有细节并自己动手——学习使用现有的库可能就足够了（例如NLTK或斯坦福NLP库）

将文本数字表示转换为阿拉伯语形式（反之亦然）属于“文本规范化”的范畴。正则表达式（或其他有限状态转换）在这里可能更有用，不过您可能需要在从头开始之前寻找满足您需求的现有解决方案。

（1）OpenNLP

（2） 竖笛

（3） 斯坦福NLP

以上三项（基于Java的）都将帮助您立即识别POS

对于数字，使用正则表达式。

（1）OpenNLP

（2） 竖笛

（3） 斯坦福NLP

以上三项（基于Java的）都将帮助您立即识别POS

---

对于数字，请使用正则表达式。

+1:用于抵消所投的反对票。@Yavar我想了很久之后才发表了它，我想它不太具体。但即便如此，我还是得到了反对票。+1：为了抵消反对票。@Yavar我想了很久才发表了它，我想它不太具体。但即便如此，我还是投了反对票。