前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >哈工大LTP基本使用-分词、词性标注、依存句法分析、命名实体识别、角色标注

哈工大LTP基本使用-分词、词性标注、依存句法分析、命名实体识别、角色标注

作者头像
西西嘛呦
发布2021-04-27 16:01:48
2.9K0
发布2021-04-27 16:01:48
举报
文章被收录于专栏:数据分析与挖掘

代码

image
image
代码语言:javascript
复制
import os
from pprint import pprint
from pyltp import Segmentor, Postagger, Parser, NamedEntityRecognizer, SementicRoleLabeller
class LtpParser:
    def __init__(self):
        LTP_DIR = "../model/ltp_data_v3.4.0/"
        self.segmentor = Segmentor()
        # load_with_lexicon用于加载自定义的词典 
        self.segmentor.load_with_lexicon(os.path.join(LTP_DIR, "cws.model"),os.path.join(LTP_DIR, "user_dict.txt"))

        self.postagger = Postagger()
        self.postagger.load_with_lexicon(os.path.join(LTP_DIR, "pos.model"),os.path.join(LTP_DIR, "user_dict.txt"))

        self.parser = Parser()
        self.parser.load(os.path.join(LTP_DIR, "parser.model"))

        self.recognizer = NamedEntityRecognizer()
        self.recognizer.load(os.path.join(LTP_DIR, "ner.model"))

        self.labeller = SementicRoleLabeller()
        self.labeller.load(os.path.join(LTP_DIR, 'pisrl.model'))

    def analyse(self, text):
        # 分词
        segmentor_res = self.segmentor.segment(text)
        print(list(segmentor_res))

        # 词性标注,传入的是分词的结果
        postagger_res = self.postagger.postag(segmentor_res)
        print(list(postagger_res))

        # 命名实体识别,传入的是分词、词性标注的结果

        # 依存句法分析,传入的是分词、词性标注的结果
        arcs = self.parser.parse(segmentor_res, postagger_res)
        # print("\t".join("%d:%s" % (arc.head, arc.relation) for arc in arcs)) 
        arcs_res = []
        for word, arc in zip(list(segmentor_res), arcs):
            tmp = {}
            if arc.head == 0:
                tmp['dep'] = word
                tmp['gov'] = 'ROOT'
                tmp['pos'] = arc.relation
            else:
                tmp['dep'] = word
                tmp['gov'] = segmentor_res[arc.head-1]
                tmp['pos'] = arc.relation
            arcs_res.append(tmp)
        pprint(arcs_res)

        # 语义角色标注,传入的是分词、词性标注、句法分析结果
        labeller_res = self.labeller.label(segmentor_res, postagger_res, arcs)
        for role in labeller_res:
            print (role.index, "\t".join(["%s:(%d,%d)-(%s)" % (arg.name, arg.range.start, arg.range.end, "".join(list(segmentor_res)[arg.range.start:arg.range.end+1])) for arg in role.arguments]))

if __name__ == '__main__':
    ltpParser = LtpParser()
    text = "中国是一个自由、和平的国家"
    ltpParser.analyse(text)

结果

代码语言:javascript
复制
['中国', '是', '一个', '自由', '、', '和平', '的', '国家']
['ns', 'v', 'm', 'a', 'wp', 'a', 'u', 'n']
['S-Ns', 'O', 'O', 'O', 'O', 'O', 'O', 'O']
[{'dep': '中国', 'gov': '是', 'pos': 'SBV'},
 {'dep': '是', 'gov': 'ROOT', 'pos': 'HED'},
 {'dep': '一个', 'gov': '国家', 'pos': 'ATT'},
 {'dep': '自由', 'gov': '国家', 'pos': 'ATT'},
 {'dep': '、', 'gov': '和平', 'pos': 'WP'},
 {'dep': '和平', 'gov': '自由', 'pos': 'COO'},
 {'dep': '的', 'gov': '自由', 'pos': 'RAD'},
 {'dep': '国家', 'gov': '是', 'pos': 'VOB'}]
1 A0:(0,0)-(中国)	A1:(2,7)-(一个自由、和平的国家)
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021-04-25 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 代码
  • 结果
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档