Python 3.x 如何使用nltk python 3.4创建类似于movie_review的语料库

我遇到了一个问题，我将总结一下我正在努力实现的目标，这样你就有了一个清晰的图像来指导我

我想创建一个类似于电影评论的语料库，其中电影评论只有两个类别，但在我的案例中，我将有多个类别和子类别

例如：

假设我有一个语料库作为我想要的语料库 创建类别，如“A”、“B”、“C”、“D”和“E”。每一个 类别将包含子类别，如我想要的“A”中的子类别 子类别，如所有其他类别的“a1”、“a2”、“a3”等 类别（B、C、D和E）。每个子类别将 同样，有自己的子类别，如“a1”，可能有“a1.1”、“a1.2” 等最后，最底部（叶子）将包含所有文本 与该类别或子类别相关的文件

我的问题是

1> 我如何才能创建这样一个语料库，是否有任何方法可以做到这一点，请指导我你的回答将是一个很大的帮助，你也可以映射到我的链接，可以帮助我做到这一点

2> 我可以运行naivebayes算法或任何其他算法吗？该算法适用于这种情况，就像在电影评论中查找neg和pos的算法一样，在我的案例中，我也需要找到新提出的问题与哪个类别及其子类别相关，等等

---

请帮助我。

请查看以下文件（和/或来源）：

>>帮助（nltk.corpus.reader.CategorizedCorpusReader.\uuuuu init\uuuuuuuuuuuu）

这是基类；实际上，您将使用适合您的数据格式的分类读取器。如果您的文件是纯文本，则将是

CategorizedPlaintextCorpusReader

。创建读取器时，可以通过从文件名中提取类别的正则表达式、提供类别的文件或直接传递给构造函数的字典来定义类别：

-cat_模式：用于查找
每个文件标识符的类别。模式将是
应用于每个文件标识符和第一个匹配项
组将用作该文件的类别标签。
-cat_映射：一个字典，从文件标识符映射到
类别标签。
-cat_文件：包含映射的文件的名称
从文件标识符到类别。争论
``cat_分隔符``可用于指定分隔符。

没有对层次分类的直接支持，但您可以自己安排，因为文件可以属于多个类别。例如，您可以将文件

ad驴.txt

同时分配给

animal

和

哺乳动物。nltk的
brown
语料库包含属于多个类别的文件，因此您可以检查它的细节（它使用
cat_文件
方法）

nltk的系统将类别映射到文件ID，而不是更低级别的类别。如果您按照我的建议进行设置，您将能够编写
mycorpus.words（categories=[“A”，“B”]）
，并从categories
Aa1
，
Aa2
等中的所有文件中获取单词。如果您想公开您的类别层次结构，您必须自己编写代码。（例如，您可以使用只返回类别树的方法
hierarchy
扩展reader类。）
查看文档（和/或源），例如：

>>帮助（nltk.corpus.reader.CategorizedCorpusReader.\uuuuu init\uuuuuuuuuuuu）

这是基类；实际上，您将使用适合您的数据格式的分类读取器。如果您的文件是纯文本，则将是
CategorizedPlaintextCorpusReader
。创建读取器时，可以通过从文件名中提取类别的正则表达式、提供类别的文件或直接传递给构造函数的字典来定义类别：

-cat_模式：用于查找
每个文件标识符的类别。模式将是
应用于每个文件标识符和第一个匹配项
组将用作该文件的类别标签。
-cat_映射：一个字典，从文件标识符映射到
类别标签。
-cat_文件：包含映射的文件的名称
从文件标识符到类别。争论
``cat_分隔符``可用于指定分隔符。

没有对层次分类的直接支持，但您可以自己安排，因为文件可以属于多个类别。例如，您可以将文件
ad驴.txt
同时分配给
animal
和
哺乳动物。nltk的
brown
语料库包含属于多个类别的文件，因此您可以检查它的细节（它使用
cat_文件
方法）

nltk的系统将类别映射到文件ID，而不是更低级别的类别。如果您按照我的建议进行设置，您将能够编写
mycorpus.words（categories=[“A”，“B”]）
，并从categories
Aa1
，
Aa2
等中的所有文件中获取单词。如果您想公开您的类别层次结构，您必须自己编写代码。（例如，您可以使用只返回类别树的方法
hierarchy
扩展reader类。）
如果您以相同的方式组织代码，则可以修改代码。你的数据是什么样子的？我的数据是一个文本文件。。。我之所以需要类别和子类别是因为我想用它来做一些工作，比如节点、叶子等结构我对你问题的第2部分不太了解，但我很确定它与定义语料库阅读器的任务无关——这是一个单独的问题，换句话说，如果以相同的方式组织代码，则可能会修改代码。你的数据是什么样子的？我的数据是一个文本文件。。。雷亚斯