Разделить текст на абзацы NLTK – использование nltk.tokenize.texttiling?

Я рассматривал методы разделения документов на абзацы, и я натолкнулся на texttiling как один из возможных способов сделать это.

Вот моя попытка использовать его. Однако я не понимаю, как работать с выходом. Буду признателен за вашу помощь. 

t = unidecode(doclist[0].decode('utf-8','ignore')) nltk.tokenize.texttiling.TextTilingTokenizer(t)

вывод: 

 <nltk.tokenize.texttiling.TextTilingTokenizer at 0x11e9c6350>

Я уже возился с этим сам по той же причине, что и вы, и у вас был тот же самый вопрос, который вы сделали, поэтому не слишком расстраивайтесь, если это неправильно. Я решил лучше всего передать то, что мало знаю … 🙂

Я еще не уверен, но я нашел в этом отчете об ошибке пример использования TextTilingTokenizer: 

 alice=nltk.corpus.gutenberg.raw('carroll-alice.txt') ttt = nltk.tokenize.TextTilingTokenizer() tiles = ttt.tokenize(alice[140309 : ])

Похоже, что вы хотите передать свой текст методу tokenize в TextTilingTokenizer.

Interesting Posts

Использование дерева NLTK

Установка данных nltk в скрипт setup.py

ошибка установки пакетов поддержки nltk: nltk.download ()

Как добавить пунктуацию в текст с помощью python?

симметричная матрица слов python с использованием nltk

Последствия злоупотребления nltk word_tokenize (отправлено)

Python AttributeError при вызове nltk Brown corpus

Создание биграмм с использованием NLTK из корпуса с несколькими строками

NLTK считает, что императивы являются существительными

Python NLTK против связанных Java-библиотек?