Questão 2976452

O programa em linguagem Python a seguir realiza a tokenização de uma pequena frase.

Descrevendo-o de modo superficial, é implementada nele a importação da biblioteca NLTK (Natural Language Toolkit), que é especializada no tratamento de processamento de linguagem natural.

Para evitar qualquer sobrecarga, é utilizada especificamente a função word_tokenize do submódulo (package) nltk.tokenize da biblioteca nltk.

É definida uma variável do tipo string nomeada como 'texto', que contém a seguinte frase em língua portuguesa: “Tokenização é o processo de dividir textos em unidades menores. Tais unidades são nomeadas como: Tokens”.

A função word_tokenize é utilizada para dividir o conteúdo da variável 'texto' em partes individuais (tokens) as quais são colocadas na lista 'tokens', com o argumento language ='portuguese' especificando que o texto está em língua portuguesa, e assim garantindo que o modelo de tokenizador correto será utilizado.

Ao final, a frase tokenizada é então exibida na tela do usuário.

import nltk

from nltk.tokenize import word_tokenize

texto = "Tokenização é o processo de dividir textos em unidades

menores. Tais unidades são

nomeadas como: Tokens"

tokens = word_tokenize(texto, language='portuguese')

print(tokens)

A quantidade total de tokens exibidos na saída será de