2

我在这里找到了一小段代码：

import nltk.classify.util
from nltk.classify import NaiveBayesClassifier
from nltk.corpus import movie_reviews
from nltk.corpus import stopwords

def word_feats(words):
    return dict([(word, True) for word in words])

negids = movie_reviews.fileids('neg')
posids = movie_reviews.fileids('pos')

negfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'neg') for f in negids]
posfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'pos') for f in posids]

negcutoff = len(negfeats)*3/4
poscutoff = len(posfeats)*3/4

trainfeats = negfeats[:negcutoff] + posfeats[:poscutoff]
testfeats = negfeats[negcutoff:] + posfeats[poscutoff:]
print 'train on %d instances, test on %d instances' % (len(trainfeats), len(testfeats))

classifier = NaiveBayesClassifier.train(trainfeats)
print 'accuracy:', nltk.classify.util.accuracy(classifier, testfeats)
classifier.show_most_informative_features()

但是我如何对可能在语料库中的随机词进行分类。

classifier.classify('magnificent')

不工作。它需要某种对象吗？

非常感谢你。

编辑：感谢@unutbu 的反馈和一些在这里挖掘并阅读原始帖子的评论，以下产生此代码的“pos”或“neg”（这是一个“pos”）

print(classifier.classify(word_feats(['magnificent'])))

这会产生对“pos”或“neg”这个词的评估

print(classifier.prob_classify(word_feats(['magnificent'])).prob('neg'))
4

1 回答 1

1 
print(classifier.classify(word_feats(['magnificent'])))

产量

pos

该classifier.classify方法本身不对单个单词进行操作，它基于特征dict进行分类。在这个例子中，将一个句子（一个单词列表）映射到一个特征。word_featsdict

这是另一个使用NaiveBayesClassifier. 通过比较该示例与您发布的示例之间的相似和不同之处，您可能会更好地了解如何使用它。

于 2013-02-05T20:58:54.427 回答