自然語言處理工具python調用hanlp中文實體識別


Hanlp作爲一款重要的中文分詞工具,在GitHub的用戶量已經非常之高,應該可以看得出來大家對於hanlp這款分詞工具還是很認可的。本篇繼續分享一篇關於hanlp的使用實例即Python調用hanlp進行中文實體識別。

想要在python中調用hanlp進行中文實體識別,Ubuntu 16.04的系統環境

1.安裝jpype1,在cmd窗口輸入

pip install jpype1

2.下載hanlp的安裝包

https://github.com/hankcs/HanLP/releases 

1)下載新的 hanlp-1.7.1-release.zip文件,裏面包含hanlp-1.7.1.jar , hanlp-1.7.1-sources.jar , hanlp.properties

2)點擊data-for-1.7.1.zip下載。(底下第8條)

 

圖1.JPG

注:如果你在http://hanlp.linrunsoft.com/services.html點擊下載hanlp.jar,下載下來的是hanlp-1.2.8.jar。之後在使用過程中可能會出現“字符類型對應表加載失敗”的錯誤,查看相應路徑下也沒有CharType.dat.yes文件。原因可能是hanlp-1.2.8版本過低,使用新版本應該不會出現這個問題。

圖2.jpg 


3.新建一個文件夾Hanlp,放文件hanlp-1.7.1.jar和hanlp.properties文件

新建一個文件夾hanlp,放data-for-1.7.1.zip解壓後的文件

配置hanlp.properties中的第一行的root爲hanlp文件夾的位置,也就是data-for-1.7.1.zip解壓後的文件放的位置。

4.寫py文件調用hanlp進行中文分析。

用法可參考這個博客  blog.csdn.net/u011961856/article/details/77167546。

另,查看HanLP關於實體識別的文檔http://hanlp.linrunsoft.com/doc.html

裏面介紹說中文人名標註爲“nr”,地名標註爲“ns”,機構名標註爲“nt”,所以使用用法參考鏈接裏的NLPTokenizer.segment就可以標註出中文句子中的人名,地名和機構名。

比較使用jieba進行詞性標註時,也可以標註出中文句子中的人名,地名和機構名。jieba分詞的詞性說明:

 圖3.jpg


發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章