Добавьте теги части речи в документы
Использование addPartOfSpeechDetails
добавить часть речи помечает к документам.
Функция поддерживает английский, японский язык, немецкий язык и корейский текст.
обнаруживает части речи в updatedDocuments
= addPartOfSpeechDetails(documents
)documents
и обновляет маркерные детали. Функция, по умолчанию, повторно маркирует текст для маркировки части речи. Например, функция разделяет слово, "вы -" в лексемы "вы" и "'ре". Получить детали части речи от updatedDocuments
Использование tokenDetails
.
задает дополнительные опции с помощью одного или нескольких аргументов пары "имя-значение".updatedDocuments
= addPartOfSpeechDetails(documents
,Name,Value
)
Совет
Использование addPartOfSpeechDetails
перед использованием lower
, upper
, erasePunctuation
, normalizeWords
, removeWords
, и removeStopWords
функции как addPartOfSpeechDetails
информация об использовании, которая удалена этими функциями.
Загрузите данные в качестве примера. Файл sonnetsPreprocessed.txt
содержит предварительно обработанные версии сонетов Шекспира. Файл содержит один сонет на строку со словами, разделенными пробелом. Извлеките текст из sonnetsPreprocessed.txt
, разделите текст в документы в символах новой строки, и затем маркируйте документы.
filename = "sonnetsPreprocessed.txt";
str = extractFileText(filename);
textData = split(str,newline);
documents = tokenizedDocument(textData);
Посмотрите маркерные детали первых нескольких лексем.
tdetails = tokenDetails(documents); head(tdetails)
ans=8×5 table
Token DocumentNumber LineNumber Type Language
___________ ______________ __________ _______ ________
"fairest" 1 1 letters en
"creatures" 1 1 letters en
"desire" 1 1 letters en
"increase" 1 1 letters en
"thereby" 1 1 letters en
"beautys" 1 1 letters en
"rose" 1 1 letters en
"might" 1 1 letters en
Добавьте, что часть речи назначает в документы с помощью addPartOfSpeechDetails
функция. Эта функция сначала добавляет информацию о предложении в документы, и затем добавляет теги части речи в таблицу, возвращенную tokenDetails
. Посмотрите обновленные маркерные детали первых нескольких лексем.
documents = addPartOfSpeechDetails(documents); tdetails = tokenDetails(documents); head(tdetails)
ans=8×7 table
Token DocumentNumber SentenceNumber LineNumber Type Language PartOfSpeech
___________ ______________ ______________ __________ _______ ________ ______________
"fairest" 1 1 1 letters en adjective
"creatures" 1 1 1 letters en noun
"desire" 1 1 1 letters en verb
"increase" 1 1 1 letters en noun
"thereby" 1 1 1 letters en adverb
"beautys" 1 1 1 letters en verb
"rose" 1 1 1 letters en noun
"might" 1 1 1 letters en auxiliary-verb
Маркируйте японский текст с помощью tokenizedDocument
.
str = [ "恋に悩み、苦しむ。" "恋の悩みで 苦しむ。" "空に星が輝き、瞬いている。" "空の星が輝きを増している。" "駅までは遠くて、歩けない。" "遠くの駅まで歩けない。" "すもももももももものうち。"]; documents = tokenizedDocument(str);
Для японского текста можно получить детали части речи с помощью tokenDetails
. Для английского текста необходимо сначала использовать addPartOfSpeechDetails
.
tdetails = tokenDetails(documents); head(tdetails)
ans=8×8 table
Token DocumentNumber LineNumber Type Language PartOfSpeech Lemma Entity
_______ ______________ __________ ___________ ________ ____________ _______ __________
"恋" 1 1 letters ja noun "恋" non-entity
"に" 1 1 letters ja adposition "に" non-entity
"悩み" 1 1 letters ja verb "悩む" non-entity
"、" 1 1 punctuation ja punctuation "、" non-entity
"苦しむ" 1 1 letters ja verb "苦しむ" non-entity
"。" 1 1 punctuation ja punctuation "。" non-entity
"恋" 2 1 letters ja noun "恋" non-entity
"の" 2 1 letters ja adposition "の" non-entity
Маркируйте немецкий текст с помощью tokenizedDocument
.
str = [ "Guten Morgen. Wie geht es dir?" "Heute wird ein guter Tag."]; documents = tokenizedDocument(str)
documents = 2x1 tokenizedDocument: 8 tokens: Guten Morgen . Wie geht es dir ? 6 tokens: Heute wird ein guter Tag .
Чтобы получить детали части речи для немецкого текста, сначала используйте addPartOfSpeechDetails
.
documents = addPartOfSpeechDetails(documents);
Чтобы посмотреть детали части речи, используйте tokenDetails
функция.
tdetails = tokenDetails(documents); head(tdetails)
ans=8×7 table
Token DocumentNumber SentenceNumber LineNumber Type Language PartOfSpeech
________ ______________ ______________ __________ ___________ ________ ____________
"Guten" 1 1 1 letters de adjective
"Morgen" 1 1 1 letters de noun
"." 1 1 1 punctuation de punctuation
"Wie" 1 2 1 letters de adverb
"geht" 1 2 1 letters de verb
"es" 1 2 1 letters de pronoun
"dir" 1 2 1 letters de pronoun
"?" 1 2 1 punctuation de punctuation
documents
— Введите документыtokenizedDocument
массивВведите документы в виде tokenizedDocument
массив.
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
'DiscardKnownValues',true
задает, чтобы отбросить ранее вычисленные детали и повторно вычислить их.'RetokenizeMethod'
— Метод, чтобы повторно маркировать документы'part-of-speech'
(значение по умолчанию) | 'none'
Метод, чтобы повторно маркировать документы в виде одного из следующего:
'part-of-speech'
– Преобразуйте лексемы для маркировки части речи. Функция выполняет эти задачи:
Разделите сложные слова. Например, разделите сложное слово "wanna"
в лексемы "want"
и "to"
. Это включает сложные слова, содержащие апострофы. Например, функция разделяет слово "don't"
в лексемы "do"
и "n't"
.
Объедините периоды, которые не заканчивают предложения предыдущими лексемами. Например, объедините лексемы "Mr"
и "."
в маркерный "Mr."
.
Для немецкого текста объедините сокращения, которые охватывают несколько лексем. Например, объедините лексемы "z"
, "."
B
, и "."
в один маркерный "z. B."
.
Объедините запуски периодов в замещающие знаки. Например, объедините три экземпляра "."
в один маркерный "..."
.
'none'
– Не повторно маркируйте документы.
'Abbreviations'
— Список сокращенийСписок сокращений от обнаружения предложения в виде массива строк, вектора символов, массива ячеек из символьных векторов или таблицы.
Если входные документы не содержат детали предложения, то функция сначала запускается addSentenceDetails
функционируйте и задает список сокращений, данный 'Abbreviations'
. Чтобы задать больше опций для обнаружения предложения (например, начинающие предложения) используют addSentenceDetails
функция перед использованием addPartOfSpeechDetails
детали.
Если Abbreviations
массив строк, вектор символов или массив ячеек из символьных векторов, затем функция обрабатывает их как регулярные сокращения. Если следующее слово является капитализированным начинающим предложения, то функциональные пропуски в запаздывающий период. Функция игнорирует любые различия в регистре сокращений. Задайте начинающих предложения, использующих Starters
пара "имя-значение".
Чтобы задать различные поведения при разделении предложений при сокращениях, задайте Abbreviations
как таблица. Таблица должна иметь переменные под названием Abbreviation
и Usage
, где Abbreviation
содержит сокращения и Usage
содержит тип каждого сокращения. Следующая таблица описывает возможные значения Usage
, и поведение функции, когда переданные сокращения этих типов.
Использование | Поведение | Сокращение в качестве примера | Текст в качестве примера | Обнаруженные предложения |
---|---|---|---|---|
regular | Если следующее слово является капитализированным начинающим предложения, то повредитесь в запаздывающий период. В противном случае не повреждайтесь в запаздывающий период. | "назначенный". | "Book an appt. We'll meet then." |
|
"Book an appt. today." | "Book an appt. today." | |||
inner | Не повреждайтесь после запаздывающего периода. | "Доктор". | "Dr. Smith." | "Dr. Smith." |
reference | Если следующая лексема не является номером, то повредитесь в запаздывающий период. Если следующая лексема является номером, то не повреждайтесь в запаздывающий период. | "fig". | "See fig. 3." | "See fig. 3." |
"Try a fig. They are nice." |
| |||
unit | Если предыдущее слово является номером, и следующее слово является капитализированным начинающим предложения, то повредитесь в запаздывающий период. | \in | "The height is 30 in. The width is 10 in." |
|
Если предыдущее слово является номером, и следующее слово не использовано для своей выгоды, то не повреждайтесь в запаздывающий период. | "The item is 10 in. wide." | "The item is 10 in. wide." | ||
Если предыдущее слово не является номером, то повредитесь в запаздывающий период. | "Come in. Sit down." |
|
Значением по умолчанию является выход abbreviations
функция. Для японского и корейского текста сокращения обычно не влияют на обнаружение предложения.
Совет
По умолчанию функция обрабатывает однобуквенные сокращения, такой как "V"., или лексемы со смешанными одними буквами и периодами, такими как "U.S.A". как регулярные сокращения. Вы не должны включать эти сокращения в Abbreviations
.
Типы данных: char |
string
| table
| cell
'DiscardKnownValues'
— Опция, чтобы отбросить ранее вычисленные деталиfalse
(значение по умолчанию) | true
Опция, чтобы отбросить ранее вычисленные детали и повторно вычислить их в виде true
или false
.
Типы данных: логический
updatedDocuments
— Обновленные документыtokenizedDocument
массивОбновленные документы, возвращенные как tokenizedDocument
массив. Получить маркерные детали от updatedDocuments
Использование tokenDetails
.
addPartOfSpeechDetails
функция добавляет теги части речи в таблицу, возвращенную tokenDetails
функция. Функция помечает каждую лексему с категориальным тегом с одними из следующих имен классов:
"adjective"
– Прилагательное
"adposition"
– Adposition
"adverb"
– Наречие
"auxiliary-verb"
– Вспомогательный глагол
"coord-conjunction"
– Сочинительный союз
"determiner"
– Детерминатив
"interjection"
– Междометие
"noun"
– Существительное
"numeral"
– Цифра
"particle"
– Частица
"pronoun"
– Местоимение
"proper-noun"
– Имя собственное
"punctuation"
– Пунктуация
"subord-conjunction"
– Подчинение соединения
"symbol"
– Символ
"verb"
– Глагол
"other"
Другой
Если входные документы не содержат детали предложения, то функция сначала запускается addSentenceDetails
.
addEntityDetails
| addLanguageDetails
| addLemmaDetails
| addSentenceDetails
| addTypeDetails
| normalizeWords
| tokenDetails
| tokenizedDocument
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.