Python-単語のトークン化

単語のトークン化は、テキストの大きなサンプルを単語に分割するプロセスです。これは、各単語をキャプチャして、特定の感情の分類やカウントなどのさらなる分析を行う必要がある自然言語処理タスクの要件です。自然言語ツールキット（NLTK）は、これを実現するために使用されるライブラリです。単語のトークン化のためのPythonプログラムに進む前に、NLTKをインストールしてください。

conda install -c anaconda nltk

次に、 word_tokenize 段落を個々の単語に分割する方法。

import nltk

word_data = "It originated from the idea that there are readers who prefer learning new skills from the comforts of their drawing rooms"
nltk_tokens = nltk.word_tokenize(word_data)
print (nltk_tokens)

上記のコードを実行すると、次のような結果になります。

['It', 'originated', 'from', 'the', 'idea', 'that', 'there', 'are', 'readers', 
'who', 'prefer', 'learning', 'new', 'skills', 'from', 'the',
'comforts', 'of', 'their', 'drawing', 'rooms']

文のトークン化

単語をトークン化したように、段落内の文をトークン化することもできます。この方法を使用しますsent_tokenizeこれを達成するために。以下に例を示します。

import nltk
sentence_data = "Sun rises in the east. Sun sets in the west."
nltk_tokens = nltk.sent_tokenize(sentence_data)
print (nltk_tokens)

上記のコードを実行すると、次のような結果になります。

['Sun rises in the east.', 'Sun sets in the west.']