NLP |基于分类器的分块|集合 1
**ClassifierBasedTagger class**从特征中学习，不像大多数词性标注者。**ClassifierChunker class**可以被创建为既能从单词又能从词性标签中学习，而不是像**TagChunker class**那样只从词性标签中学习。
使用来自tree2conlltags()的chunk_trees2train_chunks()，将(单词，位置，iob) 3 元组转换为((单词，位置，iob) 2 元组，以保持与训练 ClassiferBasedTagger class 所需的 2 元组(单词，位置)格式兼容。
代码#1:我们来了解一下
# Loading Libraries
from nltk.chunk import ChunkParserI
from nltk.chunk.util import tree2conlltags, conlltags2tree
from nltk.tag import ClassifierBasedTagger
def chunk_trees2train_chunks(chunk_sents):
# Using tree2conlltags
tag_sents = [tree2conlltags(sent) for
sent in chunk_sents]
3-tuple is converted to 2-tuple
return [[((w, t), c) for
(w, t, c) in sent] for sent in tag_sents]
现在，需要一个特征检测器函数来传递给分类器标签器。与 ClassifierChunker 类(下一步定义)一起使用的任何特征检测器函数都应该识别出标记是(单词，位置)元组的列表，并且具有与 prev_next_pos_iob()相同的函数签名。为了给分类器提供尽可能多的信息，这个特征集包含当前、前一个和下一个单词和词性标签，以及前一个 IOB 标签。
代码#2:探测器功能
def prev_next_pos_iob(tokens, index, history):
word, pos = tokens[index]
if index == 0:
prevword, prevpos, previob = ('<START>', )*3
else:
prevword, prevpos = tokens[index-1]
previob = history[index-1]
if index == len(tokens) - 1:
nextword, nextpos = ('<END>', )*2
else:
nextword, nextpos = tokens[index + 1]
feats = {'word': word,
'pos': pos,
'nextword': nextword,
'nextpos': nextpos,
'prevword': prevword,
'prevpos': prevpos,
'previob': previob
}
return feats
现在，需要使用内部的ClassifierBasedTagger 和来自chunk_trees2train_chunks()的训练句子以及使用prev_next_pos_iob()提取的特征。作为ChunkerParserI的子类，ClassifierChunker 实现parse()方法，使用conlltags2tree()将内部标记器产生的((w，t)，c)元组转换为树
代码#3 :
class ClassifierChunker(ChunkParserI):
def __init__(self, train_sents,
feature_detector = prev_next_pos_iob, **kwargs):
if not feature_detector:
feature_detector = self.feature_detector
train_chunks = chunk_trees2train_chunks(train_sents)
self.tagger = ClassifierBasedTagger(train = train_chunks,
feature_detector = feature_detector, **kwargs)
def parse(self, tagged_sent):
if not tagged_sent: return None
chunks = self.tagger.tag(tagged_sent)
return conlltags2tree(
[(w, t, c) for ((w, t), c) in chunks])
