哈工大LTP部署及测试Demo

最新推荐文章于 2025-03-28 11:00:24 发布

macb007

最新推荐文章于 2025-03-28 11:00:24 发布

阅读量3.1k

点赞数 2

分类专栏： python技能文章标签：自然语言处理

本文链接：https://blog.youkuaiyun.com/macb007/article/details/77802684

版权

这篇博客展示了如何使用哈工大LTP库进行分句、分词、词性标注、命名实体识别、依存句法分析和语义角色标注。通过示例代码详细解释了每个功能的实现过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#coding: utf-8
import os
from pyltp import SentenceSplitter
from pyltp import Segmentor
from pyltp import Postagger
from pyltp import NamedEntityRecognizer
from pyltp import Parser
from pyltp import SementicRoleLabeller
import re
# import processHandler
import pyltpT

#pyltp官方文档http://pyltp.readthedocs.io/zh_CN/develop/api.html#id15
#http://blog.youkuaiyun.com/MebiuW/article/details/52496920
#http://blog.youkuaiyun.com/lalalawxt/article/details/55804384

LTP_DATA_DIR = 'E:\BaiduNetdiskDownload\ltp_data_v3.4.0'  # ltp模型目录的路径
cws_model_path = os.path.join(LTP_DATA_DIR, 'cws.model')  # 分词模型路径，模型名称为`cws.model`
pos_model_path = os.path.join(LTP_DATA_DIR, 'pos.model')  # 词性标注模型路径，模型名称为`pos.model`
ner_model_path = os.path.join(LTP_DATA_DIR, 'ner.model')  # 命名实体识别模型路径，模型名称为`pos.model`
par_model_path = os.path.join(LTP_DATA_DIR, 'parser.model')  # 依存句法分析模型路径，模型名称为`parser.model`
srl_model_path = os.path.join(LTP_DATA_DIR, 'pisrl.model')  # 语义角色标注模型目录路径，
print("======================>>>>"+srl_model_path)

def main():
    #sentence_splitter()
    words = segmentor('我家在中科院，我现在在北京上学。中秋节你是否会想到李白？')
    # print(words)
    tags = posttagger(words)
    netags=ner(words,tags)
    arcs = parse(words,tags)
    roles = role_label(words, tags, netags, arcs)
    print(roles)



# 分句，也就是将一片文本分割为独立的句子
def sentence_splitter(sentence='你好，你觉得这个例子从哪里来的？当然还是直接复制官方文档，然后改了下这里得到的。我的微博是MebiuW，转载请注明来自MebiuW！'):
    sents = SentenceSplitter.split(sentence)  # 分句
    print('\n'.join(sents))

最低0.47元/天解锁文章