44、词性标注：从基础到高级网络架构

词性标注：从基础到高级网络架构

1. 基于逻辑回归的词性标注分类器应用

在进行词性标注时，当我们有了训练特征 X_train 和词性标签 y_train_cat 后，就可以训练一个分类器。这里使用 scikit-learn 中的 linear_model 模块的逻辑回归及其 fit() 函数进行训练：

from sklearn import linear_model 
classifier = linear_model.LogisticRegression() 
model = classifier.fit(X_train, y_train_cat)

为了对句子进行词性预测，我们编写了 predict_sentence() 函数，它使用 DictVectorizer 的 transform() 函数对特征进行编码，并使用 predict() 函数应用分类器，最后将预测的词性标签存储在数据集字典的 PPOS 键中：

def predict_sentence(sentence, 
                     model, 
                     dict_vectorizer,