我使用过这段代码：
# Step 1 : TOKENIZE
from nltk.tokenize import *
words = word_tokenize(text)
# Step 2 : POS DISAMBIG
from nltk.tag import *
tags = pos_tag(words)
标记两句话： 约翰非常好。约翰非常好吗？
第一句中的约翰是NN，而第二句中是约翰！那么，如何在不训练后退标记的情况下纠正pos_tag函数呢？修改后的问题：
我在这里看到了NLTK标记器的演示http://text-processing.com/demo/tag/。当我尝试选择“English Taggers＆amp; Chunckers：Treebank”或“Brown Tagger”时，我会得到正确的标签。那么如何使用Brown Tagger而不进行培训呢？
答案 0 :(得分：5)
简短的回答：你做不到。答案稍长：您可以使用手动创建的UnigramTagger覆盖特定单词。有关此方法的详细信息，请参阅我对custom tagging with nltk的回答。
答案 1 :(得分：0)
我尝试使用NLTK v3.0重现该错误。我认为现在nltk.pos_tag()是固定的。正如#Jacob所提到的，你可以使用Brown Corpus来训练一个tagger（在python中的nltk），如下所示;
from nltk.corpus import brown
train_sents = brown.tagged_sents()
unigram_tagger = nltk.UnigramTagger(train_sents)
tokens=nltk.word_tokenize("Is John very nice?")
tagged=unigram_tagger.tag(tokens)
tagged
但请注意，标签集取决于用于训练标记器的语料库。 nltk.pos_tag（）的默认标记使用Penn Treebank Tag Set。