在Python中使用NLTK删除停用词

当计算机处理自然语言时，某些极端通用的单词似乎在帮助选择符合用户需求的文档方面几乎没有值，因此完全从词汇表中排除了。这些单词称为停用词。

例如，如果您输入的句子为-

John is a person who takes care of the people around him.

停止单词删除后，您将获得输出-

['John', 'person', 'takes', 'care', 'people', 'around', '.']

NLTK收集了这些停用词，我们可以将其从任何给定的句子中删除。这在NLTK.corpus模块内部。我们可以用它来过滤掉句子中的停用词。例如，

示例

from nltk.corpus import stopwords
from nltk.tokenize import word_tokenize

my_sent = "John is a person who takes care of people around him."
tokens = word_tokenize(my_sent)

filtered_sentence = [w for w in tokens if not w in stopwords.words()]

print(filtered_sentence)

输出结果

这将给出输出-

['John', 'person', 'takes', 'care', 'people', 'around', '.']