Python中NLTK工具包的默认chunker是什么？

我正在使用他们的默认词性标记和默认标记，这似乎已经足够了。我也想要他们的默认chunker

---

我正在阅读NLTK工具包的书，但他们似乎没有默认的chunker？

您可以使用NLTK.ne_chunk（）方法打开名为entity chunking的盒子。它获取POS标记元组的列表：

nltk.ne_块（[（'Barack'，'NNP'），（'Obama'，'NNP'），（'lifes'，'NNS'），（'in'，'in'），（'Washington'，'NNP'）））

结果：

Tree（'S'，[Tree（'PERSON'，[（'Barack'，'NNP'）]），Tree（'ORGANIZATION'，[（'Obama'，'NNP'）]），（'lifes'，'NNS'），（'in'，'in'），Tree（'GPE'，[（'Washington'，'NNP'）]），

---

它将巴拉克视为一个人，但将奥巴马视为一个组织。所以，这并不完美。

我也找不到默认的分块器/浅层解析器。尽管本书描述了如何使用示例功能构建和训练一个。想出额外的特性来获得良好的性能应该不会太难

---

参见第7章的章节。

如果我不太关心命名实体，而是一般的分块，该怎么办。例如，“黄狗”是一个区块，“正在运行”是一个区块。是的，对于这一点，我的知识没有默认值（当然，我并不完全了解nltk）。您可以使用RegexpChunkParser，不过您必须自己开发规则。这里有一个例子：