python训练自己中文语料库_自然语言处理——NLTK中文语料库语料库

Python NLTK库中包含着大量的语料库，但是大部分都是英文，不过有一个Sinica（中央研究院）提供的繁体中文语料库，值得我们注意。

在使用这个语料库之前，我们首先要检查一下是否已经安装了这个语料库。

>>>import nltk

>>>nltk.download()

检查箭头所指的sinica_treebank是否安装，如果未安装，则首先要进行安装。

安装完毕后就可以使用了

import nltk

from nltk.corpus import sinica_treebank

print(sinica_treebank.words())

结果：['一', '友情', '嘉珍', '和', '我', '住在', '同一條', '巷子', '我們', ...]

（1）来看一下NLTK中文语法树。

>>>sinica_treebank.parsed_sents()[33].draw()

Python 万岁！！！

（2）搜索中文文本

import nltk

from nltk.corpus import sinica_treebank

sinica_text=nltk.Text(sinica_treebank.words())

print(sinica_text.concordance('我'))