标签:nlp sentence python Stanford stanford print CoreNLP StanfordCoreNLP
简介
StanfordCoreNLP 是斯坦福大学发布的 NLP 处理工具,StanfordCoreNLP 的源码使用 Java 编写,目前 Python 可以用两种方法进行调用,一种是使用 StanfordCoreNLP 库,是对 StanfordCoreNLP 进行了 Python 封装。而另一种方法是直接使用 Stanford 官方发布的 Python 版本 StanfordNLP。这里介绍第一种方式。
Stanford CoreNLP安装方法
(1)下载stanford CoreNLP 相关文件,需下载两个文件,相关语言的 JAR 模型,以及 CoreNLP (https://stanfordnlp.github.io/CoreNLP/)
(2)解压下载好的 CoreNLP 文件,并将 JAR 模型放在加压好的文件夹中
mv /path/to/stanford-corenlp-***.jar /path/to/stanford-corenlp-***
(3)python3中安装stanfordcorenlp
pip install stanfordcorenlp
以上就完成了安装准备工作,可以开始使用 StanfordCoreNLP 来进行分词,词性标注,命名实体识别等工作了。
在安装的过程中,由于下载的CoreNLP文件和pip install的版本不一致,报错 psutil.AccessDenied: psutil.AccessDenied (pid=22147),版本一致后错误解决
使用
1 命名体识别
#encoding="utf-8"
from stanfordcorenlp import StanfordCoreNLP
import os
if os.path.exists('D:\\stanford_nlp\\stanford-corenlp-full-2018-10-05'):
print("corenlp exists")
else:
print("corenlp not exists")
nlp=StanfordCoreNLP('D:\\stanford_nlp\\stanford-corenlp-full-2018-10-05',lang='zh')
sentence = '王明是清华大学的一个研究生'
#print (nlp.word_tokenize(sentence)) #分词
#print (nlp.pos_tag(sentence)) #词性
print (nlp.ner(sentence)) #NER
#print (nlp.parse(sentence)) #语法分析
#print (nlp.dependency_parse(sentence)) #语法依赖关系
[(‘王明’, ‘PERSON’), (‘是’, ‘O’), (‘清华’, ‘ORGANIZATION’), (‘大学’, ‘ORGANIZATION’), (‘的’, ‘O’), (‘一’, ‘NUMBER’), (‘个’, ‘O’), (‘研究生’, ‘O’)]
2 将实体连接在一起
res = nlp.ner(sentence)
tag = 0
name = ''
labels = []
for i in range(len(res)):
if res[i][1] != 'ORGANIZATION':
if tag != 0:
labels.append(name)
name = ''
tag = 0
else:
tag = 1
name += res[i][0]
print(res)
print(labels)
参考文档:
原文链接:https://blog.csdn.net/ZJRN1027/article/details/103513861
https://cloud.tencent.com/developer/article/1387652
标签:nlp,sentence,python,Stanford,stanford,print,CoreNLP,StanfordCoreNLP 来源: https://blog.csdn.net/subian1261/article/details/114820006
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。