【自然语言处理】环境搭建01

1.1自然语言处理常用的包

1.1.1numpy

是一个数值计算包，
优点：

1. 强大的N维数组对象Array
2. 比较成熟的函数库
3. 底层是用C或者C++写的
4. 实用的线性代数，傅里叶变换，numpy和scripy结合使用更加方便。
   安装：pip3.6 install numpy

1.1.2.NLTK

自然语言处理专用工具包，定义语法和逻辑推理
安装
pip3.6 install nltk

1.1.3.Gensim

用来从文档中自动提取语意主题。含有很多非监督学习算法。
支持word2vec和Doc2vec，这个包相对nltk来说是比较高深的。
安装
pip3.6 install gensim
如果无法安装，我们可以下载后安装。

1.1.4.tensorflow

是全球最火热的深度学习框架，没有之一，主要用于图像处理和自然语言处理。
支持多GPU分布式计算。
安装：
pip3.6 install tensorflow

1.2jieba

1.2.1三种模式

全模式：只要是词都会被切出来

b=jieba.cut(test,cut_all=True)
print(",".join(b))

引擎模式：词只要在邻近的位置都会被切出来

c=jieba.cut_for_search(test)
print(",".join(c))

精准模式：精确切分

import jieba
test="数据挖掘是一门很好的课程"
a=jieba.cut(test,cut_all=False)
print(",".join(a))

返回值是一个迭代器，为的是提高效率。

1.2.2词性标注

import jieba.posseg as pseg
string="我是一名优秀的数据挖掘工程师。"
words=pseg.cut(string)
for word,flag in words:
    print("{},{}".format(word,flag))
我,r
是,v
一名,m
优秀,a
的,uj
数据挖掘,n
工程师,n
。,x

词性标注和返回词语在原文的启始位置。
可加入自定义字典
支持多种语言，简体和繁体都可以

1.3stanford

1.3.1简介

可以做分词和词性识别的java工具包.

优点：

支持多种语言（包括中文）
在国际上分词准确率拿了第一
功能强大。词性和词形标注，可以做命名实体识别，句法分析，词法分析，情感分析。
提供了多种编程语言的接口
方便的简单的部署web服务
安装步骤

1.3.2命名实体识别和词性识别

nlp=StanfordCoreNLP(r'.\tools\stanfordnlp',lang='zh')
fin=open('./data/news.txt','r',encoding='utf-8')
fner=open('./data/ner.txt','w',encoding='utf-8')
ftag=open('./data/pos_tag.txt','w',encoding='utf-8')
for line in fin:
    line=line.strip()  # 用于移除结尾或者开头的空白字符
    if len(line)<1:
        continue
    fner.write(" ".join([each[0]+"/"+each[1] for each in nlp.ner(line) if len(each)==2])+"\n")
    ftag.write(" ".join([each[0]+"/"+each[1] for each in nlp.pos_tag(line) if len(each)==2])+"\n")
fner.close()
ftag.close()

1.4Hanlp

1.4.1基础入门

简介

是一系列模型和算法组成的java工具包.
目标是普及自然语言处理在生成环境中的应用.
HanLP具备工具完善，性能高效，架构清晰，语料时新，可自定义的特点。

功能

• 中文分词，
• 词性标注、
• 命名实体识别、
• 依存句法分析、
• 关键词提取、
• 新词发现、
• 短语提取、
• 自动摘要、
• 文本分类、
• 拼音简繁。

安装
安装java1.8和visualC++2015
pip3.6 install jpype 或者conda install -c conda-forge jpype1
测试是否安装成功：

from jpype import *
startJVM(getDefaultJVMPath(),"-ea")
java.lang.System.out.println("hello world")
shutdownJVM()

import jpype
from time import *

# 获取虚拟机路径
jvmPath = jpype.getDefaultJVMPath()
# jpath = r'D:\SProgram\Java\Jdk8\jre\bin\server\jvm.dll'

# 可见 获取jvmPath 与 jpath 一样。
print(jvmPath)  # D:\SProgram\Java\Jdk8\jre\bin\server\jvm.dll

# 启动虚拟机
jpype.startJVM(jvmPath)
# 判断虚拟机是否启动
print(jpype.isJVMStarted())
# 调用java程序，执行打印
jpype.java.lang.System.out.println("hello JPype !")
# 关闭虚拟机
jpype.shutdownJVM()
sleep(5)
print(jpype.isJVMStarted())

hanlp安装
pip install hanlp

​​