NLTK導入メモ

Windows上でPythonを利用してNLTK(Natural Language ToolKitの略)を動作させるために行うべき手順についての覚書。NLTKというのは、自然言語処理のためのライブラリです。

1. Pythonのインストール
   
   • バージョンは2.xを用いるようにしましょう。NLTKは3.x系に対応しているという情報は公式サイトにはありませんでした。ダウンロード先はこちら(Python Japan User's Group)から2.6.6のインストーラを使うことにしましょう。私は2.6.5を使っていますが(汗
     
   • インストール先はデフォルト(C:/Python26)でよいかと思います。
     
   • 環境変数の登録も忘れずに。環境変数の登録はスタート->マイコンピュータを右クリック->プロパティ->詳細設定タブ->環境変数ボタンと進めれば設定画面に移動できます。
     
   • 環境変数PathにC:/Python26を追加しましょう。システムでもユーザでもどちらでも良いかと思います。Pathが無ければ追加して作成してください。
     
2. NLTKダウンロードページより、NLTKと連動するツールをダウンロードしましょう。以下のツールをダウンロード、インストールします。インストールはすべて、デフォルトの設定で問題ないです。勝手にC:/Python26を見つけてその下にいろいろとインストールしてくれます。少なくともPyYAML、NLTKをインストールする必要があります。他にもグラフを描く関数が呼べないと困りますので、matplotlibとNumPyを入れておくのがよいかと思います。
   
   • PyYAML
     
   • NLTK
     
   • NumPy（Pythonの数学関数ライブラリ）
     
   • matplotlib（グラフ描画のためのライブラリである。NumPyとも連動する箇所があるらしい。）
     
3. NLTKのデータを入れる
   
   • NLTKでいろいろ試したいという場合に、サンプルデータを利用することができます。
     
   • pythonを立ち上げて、次のようにコマンドを打ち込みます。
     

     >>> import nltk
     >>> nltk.download()

     現れた画面で、bookを選択してダウンロードしましょう(画面は既にインストール済みになっていますが...)。私の場合、テキストファイルの保存先はそのままで試しています。
     
     
4. NLTKの簡単な動作確認
   
   • 以上でインストール関連の作業は終了したので、動作確認をしましょう。
     

     >>> from nltk.book import * # サンプルテキストの読み込み
     *** Introductory Examples for the NLTK Book ***
     Loading text1, ..., text9 and sent1, ..., sent9
     Type the name of the text or sentence to view it.
     Type: 'texts()' or 'sents()' to list the materials.
     text1: Moby Dick by Herman Melville 1851
     text2: Sense and Sensibility by Jane Austen 1811
     text3: The Book of Genesis
     text4: Inaugural Address Corpus
     text5: Chat Corpus
     text6: Monty Python and the Holy Grail
     text7: Wall Street Journal
     text8: Personals Corpus
     text9: The Man Who Was Thursday by G . K . Chesterton 1908
     >>> len(text1) # text1の単語数を確認
     260819
     

   ここまでできれば、NLTKを用いた自然言語処理が始められるようです。Hello, NLP world!