Python 在NLTK pos_标签中，为什么；“你好”；被归类为名词吗？

我试过了

text = nltk.word_tokenize("hello, my name is John")
words = nltk.pos_tag(text)

for w in words:
    print "%s = %s" % (w[0], w[1])

我得到：

hello = NN
, = ,
my = PRP$
name = NN
is = VBZ
John = NNP

---

NLTK使用自己的标记器标记词性

但准确度会因文本而异。这是因为标记者是使用NLTK本身提供的语料库进行训练的。语料库可以是任何东西

语料库与您的文本不相似，那么标记者将无法标记您的文本，因为上下文、样式都非常不同

如果你有时间的话，你可以训练你自己的标记员

---

计算机不是人，计算机只是按照我们告诉他们的去做。因此，为了让它正确地运行，你应该正确地教它们以获得最佳效果。

查阅任何字典，你都会发现hello被定义为一个“名词”（例如Longman）。它通常被描述为“感叹号”或“感叹词”，但标记“名词”并不错误。

根据宾夕法尼亚州Treebank的标记集，hello肯定是一个感叹词，并且一直被标记为UH。您遇到的问题是，NLTK提供的标记器很可能是在宾夕法尼亚州树状银行的《华尔街日报》部分免费培训的，不幸的是，该部分没有出现hello一词，只有三个标记了UH（叹词）的词。如果你想标记口语文本，你需要对你的标记员进行整个宾夕法尼亚州树状银行的培训，其中包括大约300万个单词的口语

---

顺便说一句，NLTK标记者不会总是把hello称为名词——试着标记“别向我打招呼！”或“他说了你好”。

这样做的原因是计算机无法理解英语。@Ben@larsmans@Joce我期待一个感叹词@至少，计算机可以理解单词并寻找它们的定义。我知道，但我要说的是，我们通常把hello归类为名词。但本质上它是一个感叹词。当你说“一声你好”时，它是一个名词，用来命名话语或感叹词“你好”。所以，我希望是一个感叹词标记，而不是一个名词。但似乎我需要训练我的标记员，因为这个默认标记员做出了一些错误的决定。是的。我想说的是贴标签的人并不是真的做了一个错误的决定（不是你说的那样）。有人说“它这样做的原因是计算机不能理解英语。”这表明答案是错误的。我正在纠正这一点。是的，更多的带标签的训练数据会有帮助。你能告诉我默认的带标签的人以hello为名词的位置吗？你知道吗？我对此感到惊讶，因为它并不常见（即使它是正确的）。如果在培训中没有出现，我认为默认情况是将单词标记为名词。