Python 布朗不'；t使用HMM和TnT标记器生成结果

词性标注者方面最具活力的语料库是树库语料库。然而，布朗语料库只是拒绝产生HMM和TnT标记的结果。有什么解释吗

size = int(len(brown.tagged_sents())*0.9)
train = brown.tagged_sents()[:size]
test = brown.tagged_sents()[size:]
trainer = hmm.HiddenMarkovModelTrainer()
tagger = trainer.train_supervised(train)
print(tagger.evaluate(test))

tnt_tagger = tnt.TnT()
tnt_tagger.train(train)
print(tnt_tagger.evaluate(test))

您的代码是正确的——至少对于

hmm

标记器是正确的。你没有说“只是拒绝产生结果”的真正含义，但你的意思可能是，它似乎挂了？没有。您必须意识到，使用这些算法训练模型需要很长时间，而且nltk通常不是为速度而设计的——它的主要重点是教育

用一个100句的训练集测试你的代码，你应该能够确认它是有效的。（你还得等一会儿）

TnT代码是另一回事，因为它本身不支持未知单词。查看

帮助（tnt）

并从那里获取它。

您的代码是正确的——至少对于

hmm

标记符是正确的。你没有说“只是拒绝产生结果”的真正含义，但你的意思可能是，它似乎挂了？没有。您必须意识到，使用这些算法训练模型需要很长时间，而且nltk通常不是为速度而设计的——它的主要重点是教育

用一个100句的训练集测试你的代码，你应该能够确认它是有效的。（你还得等一会儿）

---

TnT代码是另一回事，因为它本身不支持未知单词。查看

帮助（tnt）

并从那里开始。

没有任何代码就很难解释。size=int（len（brown.tagged_sents（））*0.9）train=brown.tagged_sents（）[：size]test=brown.tagged_sents（）[size:]trainer=hmm.HiddenMarkovModelTrainer（）tagger=trainer.train\u监督（train）打印（tagger.evaluate（test））谢谢请将其放入您的问题中，并将其格式化为代码块。在没有任何代码的情况下更新了难以解释的问题。size=int（len（brown.tagged_sents（））*0.9）train=brown.tagged_sents（）[：size]test=brown.tagged_sents（）[size:]trainer=hmm.HiddenMarkovModelTrainer（）tagger=trainer.train\u监督（train）打印（tagger.evaluate（test））谢谢。请将其放入您的问题中，并将其格式化为代码块。更新了问题

train = brown.tagged_sents()[:100]
test = brown.tagged_sents()[100:200]