Extracción de sustantivos y verbos del texto

Question

Me preguntaba si es posible extraer sustantivos, verbos por separado en el paquete R openNLP? Utilizo la función tagPOS que etiqueta la oración, pero qué hacer en caso de que quiera extraer verbos, nombres por separado.

Answer 1

Utilizando un ejemplo: (esto es extraer palabras en la categoría/VBx, donde x es cualquier carácter individual)

library("openNLP") 

acq <- "Gulf Applied Technologies Inc said it sold its subsidiaries engaged in pipeline and terminal operations for 12.2 mln dlrs. The company said the sale is subject to certain post closing adjustments, which it did not explain. Reuter." 

acqTag <- tagPOS(acq) 

sapply(strsplit(acqTag,"[[:punct:]]*/VB.?"),function(x) sub("(^.*\\s)(\\w+$)", "\\2", x)) 

    [,1]       
[1,] "said"       
[2,] "sold"       
[3,] "engaged"      
[4,] "said"       
[5,] "is"       
[6,] "did"       
[7,] " not/RB explain./NN Reuter./." 

Ok, mi expresión regular necesita algunas mejoras con el fin de deshacerse de la última línea en el resultado.

EDITAR

Una alternativa podría ser hacer caso omiso de filas que contiene un carácter space

sapply(strsplit(acqTag,"[[:punct:]]*/VB.?"),function(x) {res = sub("(^.*\\s)(\\w+$)", "\\2", x); res[!grepl("\\s",res)]})