Tensorflow 从n个不同的描述中生成一组名词和动词，列出与名词和动词匹配的描述

我是NLP的新手，我有关于应用程序名称及其描述的专栏。数据如下所示
app1，说明1（app1的一些信息，它是如何工作的）
附录2，说明2
.
.
应用程序（n），说明（n）
根据这些描述，我需要生成一组有限的名词和动词。在最后一个应用程序中，当我们将此列表中的名词和动词配对时，输出应该是满足该名词+动词的应用程序列表。

---

我不知道从哪里开始，你能告诉我从哪里开始吗。谢谢。

在句子中查找词的形态句法类别的任务称为词性（或词性）标记。 在您的情况下，您可能还需要首先标记文本

为此，您可以使用或（以及其他工具）

注意，根据您使用的模型，名词（单数名词、复数名词、专有名词）和动词（取决于时态和人称）可以有几个标签

NLTK示例：

import nltk

description = "This description describes apps with words."
tokenized_description = nltk.word_tokenize(description)
tagged_description = nltk.pos_tag(tokenized_description)
#tagged_description:
# [('This', 'DT'), ('description', 'NN'), ('describes', 'VBZ'), ('apps', 'RP'), ('with', 'IN'), ('words', 'NNS'), ('.', '.')]

# map the tags to a smaller set of tags
universal_tags_description = [(word, nltk.map_tag("wsj", "universal", tag)) for word, tag in tagged_description]  
# universal_tags_description:
# [('This', 'DET'), ('description', 'NOUN'), ('describes', 'VERB'), ('apps', 'PRT'), ('with', 'ADP'), ('words', 'NOUN'), ('.', '.')]
filtered = [(word, tag) for word, tag in universal_tags_description if tag in {'NOUN', 'VERB'}]
# filtered: 
# [('description', 'NOUN'), ('describes', 'VERB'), ('words', 'NOUN')]