如何从课文中删除动词、介词、连词等？

Question

基本上，在我的课文中，我只想保留名词，去掉其他词类。

我不认为有任何自动化的方法。如果有请建议。

如果没有自动化的方法，我也可以手动操作，但为此我需要所有可能的说，动词或介词或连词或形容词等的列表。有人可以建议一个可能的来源，我可以得到这些具体的列表。

Answer 1

在手动端。

垃圾场。

https://dumps.wikimedia.org/enwiktionary/20140609/

我只想跳过任何风格的整篇文章，而只看摘要。它包含单词class。祝你好运，格式是个野兽。

要开始使用python：

import xml.etree.ElementTree as ET
wiktionary = file('/path/to/wiktionary.xml')
tree = ET.iterparse(wiktionary.xml)
for event, elem in tree:
    if elem.tag == your_target_tag:
        do magic

应该让你开始。

它比很多其他列表都要有用，但它比我在NLP中使用的任何其他列表都要丰富得多。祝你好运，小心unicode！