词性(POS)过滤

Hyram

嗨。

我已经标记了一些文本，现在正试图删除POS，使用POS操作员的过滤器。我用过以下表达式:N.*|VB.*|RB.*|JJ.*|MD.*|PP。*试图保留名词、形容词、动词和副词。问题是，作为一个例子，名词和动词被过滤掉了，例如，“need”这个词不再出现在我的文本中。
我做错了什么，我是否有正确的表达我想要保留的POS令牌(名词，形容词，动词和副词)?

谢谢,
Hyram

Telcontar120

您似乎知道，您需要使用PENN POS标签，可以在这里使用:
https://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html
在我看来，你的表情不像是有什么明显的问题。
@kayman你能检查一下，看看是否有什么地方不对吗?
此外，您可以尝试一次做一个选择，看看是否有一个问题与复合表达式?
或者尝试过滤掉特定的标签，而不是只保留某些标签?

kayman

嗨@Hyram，@Telcontar120

乍一看似乎没问题。
正如Brian建议的那样，尝试在没有过滤器的情况下做同样的事情(或逐一过滤)，这样您就可以了解RM给“需要”的标签。POS标签对单词位置等敏感，因此根据字符串相同的单词可以得到不同的标签。

例如，Need既可以是动词，也可以是名词，但既然你捕获了这两个词，那么从一开始就不应该有问题。
你不会不小心选择了反向选项吧?

Hyram

非常感谢@Telcontar120和@kayman。我将按你的建议试试。我没有错误地选择逆。后来我还发现，有些词在我用来做停词的字典里，因此有些词被相应地过滤掉了。