【读书笔记】Python Natural Language Processing by Jalaj Thanaki

Corpus analysis nltk包括四种形式的corpora Isolate corpus：文本和自然语言的集合，例如gutenberg、webtext等。 Categorized corpus：这里的文本被打包分类成不同的类别，例如brown包含了news、hobbies、humor等类别。 Overlapping corpus：这里的类别与类别之间会有重叠区域，例如retuers，比如

>>阅读原文<<