我是一个NLTK/Python的新手，我已经成功使用CategorizedPlaintextCorpusReader加载了自己的语料库，但是我该如何实际训练和使用这些数据来对文本进行分类呢？

>>> from nltk.corpus.reader import CategorizedPlaintextCorpusReader>>> reader = CategorizedPlaintextCorpusReader('/ebs/category', r'.*\.txt', cat_pattern=r'(.*)\.txt')>>> len(reader.categories())234

回答：

假设你想要一个使用词袋模型特征的朴素贝叶斯分类器：

from nltk import FreqDistfrom nltk.classify.naivebayes import NaiveBayesClassifierdef make_training_data(rdr):    for c in rdr.categories():        for f in rdr.fileids(c):            yield FreqDist(rdr.words(fileids=[f])), cclf = NaiveBayesClassifier.train(list(make_training_data(reader)))

得到的clf的classify方法可以用于任何单词的FreqDist上。

（但是请注意：从你的cap_pattern来看，似乎你的语料库中每个文件既有样本又只有一个类别。请确认这是否是你真正想要的。）