使用Stanford CoreNLP的Python封装包处理中文(分词、词性标注、命名实体识别、句法树、依存句法分析)

Stanford CoreNLP的源代码是使用Java写的,提供了Server方式进行交互。stanfordcorenlp是一个对Stanford CoreNLP进行了封装的Python工具包,GitHub地址,使用非常方便。

安装stanfordcorenlp包之前:
1:下载安装JDK 1.8及以上版本。
2:下载Stanford CoreNLP文件,解压。
3:处理中文还需要下载中文的模型jar文件,然后放到stanford-corenlp-full-2016-10-31根目录下即可(注意一定要下载这个文件哦,否则它默认是按英文来处理的)。

本文所用版本为Stanford CoreNLP 3.7.0。

使用

下面就简单了:

安装(Ubuntu)

# sudo pip install stanfordcorenlp

简单使用,处理中文记得参数lang='zh'

# coding=utf-8

from stanfordcorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP(r'/home/gld/stanford-corenlp-full-2016-10-31/', lang='zh')

sentence = '清华大学位于北京。'
print nlp.word_tokenize(sentence)
print nlp.pos_tag(sentence)
print nlp.ner(sentence)
print nlp.parse(sentence)
print nlp.dependency_parse(sentence)

输出:

[清华, 大学, 位于, 北京, 。]

[(清华, NR), (大学, NN), (位于, VV), (北京, NR), (。, PU)]

[(清华, ORGANIZATION), (大学, ORGANIZATION), (位于, O), (北京, GPE), (。, O)]

...

故障排除

模型初始化通常需要几十秒,如果很久不出结果,加入quiet=False, logging_level=logging.DEBUG参数输出Debug信息:

import logging
from stanfordcorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP(r'path_or_host', quiet=False, logging_level=logging.DEBUG)

如果出现port is in use的出错信息,换一个端口就好了:

nlp = StanfordCoreNLP(r'/home/gld/stanford-corenlp-full-2016-10-31/', port=9001, lang='zh')
发布了105 篇原创文章 · 获赞 152 · 访问量 32万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 精致技术 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览