如何从标记化文档中提取所有名词？

Question

我正在尝试从标记化文档中提取所有名词并选择前 3 个。我怀疑它不起作用，因为我没有正确使用 strcmp 命令。这是我的代码

sT2 = tokenizedDocument([
    "a strongly worded collection of words and letters"
    "another collection of words"]);

tD = tokenizedDocument(sT2);

tD = addPartOfSpeechDetails(tD);

tdetails = tokenDetails(tD);

td7 = table2cell(tdetails(:,7)); % PARTS OF SPEECH

siztd7 = size(td7);

cc = 1;

for ii = 1:siztd7

    if strcmp(td7(ii,1), 'noun') == 1

        tDNoun(cc) = tdetails(1,:);

        cc = cc + 1;

    end

end

bag = bagOfWords(tDNoun);

tb100 = topkwords(bag,3)

Answer 1

变量

tdetails

是 MATLAB

table

，您可以使用

table

索引 直接从中提取名词，如下所示：

nouns = tdetails{tdetails.PartOfSpeech == "noun", "Token"}

第一个下标将

table

变量

PartOfSpeech

与“名词”进行匹配，第二个下标仅提取

table

变量“Token”。使用大括号索引，即

{}

提取数据 - 在本例中为

string

单词数组。

这可以直接与

bagOfWords

一起使用，尽管我们必须

transpose

数组

nouns

才能获取该函数所需的行向量：

bag = bagOfWords(nouns')
topkwords(bag, 3)