Python NLP实战：17个经典任务实现

1、使用nltk库对以下文本进行分词：“Natural Language Processing enables computers to understand human language.”

可使用以下代码实现：

import nltk
nltk.download('punkt')
from nltk.tokenize import word_tokenize
text = "Natural Language Processing enables computers to understand human language."
tokens = word_tokenize(text)
print(tokens)

输出结果为：

['Natural', 'Language', 'Processing', 'enables', 'computers', 'to', 'understand', 'human', 'language', '.']

2、使用spaCy库从文本“Google was founded by Larry Page and Sergey Brin while they were Ph.D. students at Stanford University.”中提取命名实体。

以下是使用Python和spaCy库实现该功能的代码：

import spacy

# 加载SpaCy模型
nlp = spacy.load("en_core_web_sm")
text = "Google was founded by Larry Page and Sergey Brin while they were Ph.D. students at Stanford University."

# 处理文本 
doc = nlp(text)

# 提取命名实体
for ent in doc.ents:
    print(ent.text, ent.label_)

运行上述代码，得到的输出结果为：

Google ORG
Larry Page PERSON
Sergey Brin PERSON
Stanford University ORG

3、使用TextBlob库分析以下文本的情感：“I am extremely happy with the service provided.”

以下是使用 Python 的 TextBlob 库分析该文本情感的代码示例：

from textblob import TextBlob

text = "I am extremely happy with the service provided."
blob = TextBlob(text)
sentiment = blob.sentiment
print(f"Polarity: {sentiment.polarity}, Subjectivity: {sentiment.subjectivity}")

运行这段代码，将输出文本的极性（polarity）和主观性（subjectivity），极性值越接近 1 表示越积极，越接近 -1 表示越消极；主观性值越接近 1 表示越主观，越接近 0 表示越客观。

4、使用sumy库将以下文本总结为两句话：“自然语言处理（NLP）是计算机科学、人工智能和语言学交叉领域中一个引人入胜的领域。它使机器能够理解、解释和生成人类语言，为从聊天机器人和翻译服务到情感分析等各种应用开辟了无限可能。NLP的发展得益于机器学习和深度学习的重大进展，这些进展使得语言理解模型更加复杂和准确。无论你目前的专业水平如何，本书旨在以一种易于理解和实用的方式将这些前沿技术呈现给你。”

以下是使用sumy库实现总结的代码：

from sumy.parsers.plaintext import PlaintextParser
from sumy.nlp.tokenizers import Tokenizer
from sumy.summarizers.lsa import LsaSummarizer

text = """Natural Language Processing (NLP) is a fascinating field at the intersection of computer science, artificial intelligence, and linguistics. It enables machines to understand, interpret, and generate human language, opening up a world of possibilities for applications ranging from chatbots and translation services to