Avec la librairie NLTK, il n’est pas toujours évident de s’y retrouver, notamment avec le module sur les tags (pos_tag) !
Ce module permet de connaître la valeur de chaque adjectif, nom, nom propre, etc.
Dans ce post, on vous propose un tableau récapitulatif de chaque tags NLKT et de leur correspondance 😉
Au fait, si ton objectif est d'apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :
À présent, on peut revenir à ce que je mentionnais précédemment.
Tags NLTK
| Tag | Signification |
| CC | Conjonction de coordination |
| CD | Numéro cardinal |
| DT | Déterminant |
| EX | Existentiel « there » |
| FW | Mot étranger (non anglais) |
| IN | Préposition ou conjonction de subordination |
| JJ | Adjectif |
| VP | Expression verbale |
| JJR | Adjectif, comparatif |
| JJS | Adjectif, superlatif |
| LS | Marqueur d’élément d’une liste |
| MD | Modal |
| NN | Nom, singulier |
| NNS | Nom, pluriel |
| PP | Preposition |
| NNP | Nom propre, singulier |
| NNPS | Nom propre, pluriel |
| PDT | Prédéterminant |
| POS | Terminaison possessive |
| PRP | Pronom personnel |
| PRP | Pronom possessif |
| RB | Adverb |
| RBR | Adverbe, comparatif |
| RBS | Adverbe, superlatif |
| RP | Particule |
| S | Clause déclarative simple |
| SBAR | Clause introduite par une conjonction de subordination (éventuellement vide) |
| SBARQ | Question directe introduite par un mot ou une phrase en forme de wh. |
| SINV | Phrase déclarative inversée, c’est-à-dire une phrase dans laquelle le sujet suit le verbe tendu ou le modal. |
| SQ | Question inversée oui/non, ou clause principale d’une question en « Wh », suivant la phrase en « Wh » dans le SBARQ. |
| SYM | Symbole |
| VBD | Verbe au passé |
| VBG | Verbe, gérondif ou participe présent |
| VB | Verbe, forme de base |
| VBN | Verbe, participe passé |
| VBP | Verbe, non 3ème personne du singulier, présent |
| VBZ | Verb, 3rd person singular present Verbe, 3ème personne du singulier, présent |
| WDT | Déterminant en « Wh » |
| WP | Pronom en « Wh » |
| WP | Pronom possessif en « Wh » |
| WRB | Adverbe en « Wh » |
Petit exemple d’utilisation du module nltk.tag :
from nltk import tag
tag.pos_tag(['I', 'am', 'a', 'tag', 'from', 'NLTK'])Sortie : [(‘I’, ‘PRP’), (‘am’, ‘VBP’), (‘a’, ‘DT’), (‘tag’, ‘NN’), (‘from’, ‘IN’), (‘NLTK’, ‘NNP’)]
Les tags de la librairie NLTK est beaucoup utilisé pour les projets de NLP (en anglais) mais d’autres utilise des librairies plus classique.
Dans cet article notamment, on fait de la classification de texte avec des librairies typique de Machine Learning.
Un tutoriel qu’on vous recommande chaleureusement ! 🔥
Un dernier mot, si tu veux aller plus loin et apprendre le Deep Learning - j’ai préparé pour toi le Plan d’action pour Maîtriser les Réseaux de neurones.
7 jours de conseils gratuits d’un ingénieur spécialisé en Intelligence Artificielle pour apprendre à maîtriser les réseaux de neurones à partir de zéro :
- Planifie ton apprentissage
- Structure tes projets
- Développe tes algorithmes d’Intelligence Artificielle
J’ai basé ce programme sur des faits scientifiques, des approches éprouvées par des chercheurs mais également mes propres techniques que j'ai conçues au fil de mes expériences dans le domaine du Deep Learning.
Pour y accéder, clique ici :
