自然语言处理之词性标注和命名实体识别

编程环境:

anaconda + python3.7
完整代码及数据已经更新至GitHub,欢迎fork~GitHub链接


声明:创作不易,未经授权不得复制转载
statement:No reprinting without authorization


相关工具包介绍安装请查看该篇文章内链接

内容:

       利用 Chinese.txt 和 English.txt 的中英文句子,在分词的基础上,继 续利用以下给定的中英文工具进行词性标注和命名实体识别。并对不同工具产生 的结果进行简要对比分析。

1、英文工具:

Nltk
Spacy
Stanfordnlp

2、中文工具:(部分工具命名实体识别没有直接调用的函数,可以根据词性

标注的结果自己实现)
Jieba
StanfordCoreNLP
SnowNLP
THULAC
NLPIR
HanLP(需要 Microsoft Visual C++ 14.0)或安装教程

一、python工具包下载安装准备:

(1)nltk的命名实体功能模块安装:

img

(2)pyhanlp的安装:
教程示例:https://blog.csdn.net/huangjiajia123/article/details/84144583
第一步:下载 jpype:https://www.lfd.uci.edu/~gohlke/pythonlibs/#jpype下载对应版本已经编译好的whl文件。将 .whl 文件保存到python 所在的script 文件夹下, 然后安装: pip install 【下载的文件名】
第二步: 安装 pyhanlp: pip install pyhanlp
第三步: 安装完成后并不能使用,需要下载一个jar包、data文件和properties文件,因为hanlp是java开发的虽然有python的API但是还是需要java环境,所以需要安装JDK,并配置Java 环境变量(即添加一个JAVA_HOME变量,变量值为java的bin目录的绝对路径)。
(1)打开 python IDE,输入 import pyhanlp, 会自动下载 HanLP jar 和properties 文件,默认放在 python ->Lib->site packages 文件夹下的 pyhanlp ->static 文件夹下
(2)可以将 hanlp-1.7.0.jar 和hanlp.properties 移动到一个新的文件夹下,比如: D\HanLp
(3)去https://github.com/hankcs/HanLP/releases下载 hanlp 的data。

二、进行测试观察结果:

1、中文文本:
675754439270425c58c5cbdbb5c054e7.png

fe9a54049ba9a56fadad962e4c826386.png

f5f4a0b7e4d9a49325e0ad81b8b66fb9.png

ce1f474b6f6c3351c3ed9cd2c0a07c0e.png
2、英语文本:

NLTK标注树状图:


638c0d989f6ccb3ee560fefad29ed3e7.png

2bf6f485ff079726301948a70bc159a3.png
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 26 18:31:10 2019
实验3 NLP
@author:Mr.relu
"""

import time
import jieba
import jieba.posseg as pseg  
from snownlp import SnowNLP
import thulac   
import pynlpir
from stanfordcorenlp import StanfordCoreNLP
import nltk
import spacy 
from nltk.corpus import treebank
from pyhanlp import *

spacy_nlp = spacy.load('en_core_web_sm')

def chinese_Txt_test(document):
    """
    hanlp中文测试
    """
    print(">>>>>hanlp tagging start...")
    start = time.process_time()
    
    result0 = HanLP.segment(document)
    
    elapsed = (time.process_time() - start)  
    print("hanlp Time used:",elapsed)
    print("《《hanlp》》: " )  
    
    for term in result0:
        print('{}--{}\t'.format(term.word, term.nature),end=' ') # 获取单词与词性
    print("\n")
    
    """
    测试工具包jieba词性标注
    """
    print(">>>>>jieba tagging start...")
    start = time.process_time()
    
    result1 = pseg.lcut(document)
    
    elapsed = (time.process_time() - start)  
    print("jieba Time used:",elapsed)
    print("《《jieba》》: " )  
    for word,tag in result1:   
        print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    
    
    """
    测试工具包SnowNLP
    """
    print(">>>>>SnowNLP tagging start...")
    start = time.process_time()
    s = SnowNLP(document)
    result2 = s.tags                
    elapsed = (time.process_time() - start)
    print("SnowNLP Time used:",elapsed)
    print("《《SnowNLP》》: " )  
    for word,tag in result2:   
        print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    
    
    """
    测试StanfordCoreNLP工具包
    """
    print(">>>>>StanfordCoreNLP tagging start...")
    start = time.process_time()
    nlp = StanfordCoreNLP(r'D:\anaconda\Lib\stanford-corenlp-full-2018-02-27',lang = 'zh')
    result3 = nlp.pos_tag(document)
    elapsed = (time.process_time() - start)
    print("StanfordCoreNLP Time used:",elapsed)
    print("《《StanfordCoreNLP》》: " )
    for word,tag in result3:   
        print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    
    #StanfordCoreNLP 'Named Entities:', nlp.ner(sentence)
    print(">>>>>StanfordCoreNLP Named Entities start...")
    start = time.process_time()
    result4 = nlp.ner(document)
    elapsed = (time.process_time() - start)
    print("StanfordCoreNLP Named Entities Time used:",elapsed)
    print("《《StanfordCoreNLP》》: " )
    nlp.close() 
    for word,tag in result4:
        if tag != 'O':
            print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    
    
    """
    测试thulac工具包
    """
    print(">>>>>thulac tagging start...")
    start = time.process_time()
    
    thu1 = thulac.thulac()  #默认模式
    text2d = thu1.cut(document, text=False)  #进行一句话分词
    
    elapsed = (time.process_time() - start)
    print("thulac Time used:",elapsed)
    print("《《thulac》》: ")
    for tu in text2d:
        print(str(tu[0])+"--"+str(tu[1])+"\t", end=' ')
    print('\n')
    
    
    """
    测试pynlpir工具包
    """
    print(">>>>>pynlpir tagging start...")
    start = time.process_time()
    pynlpir.open()
    result5 = pynlpir.segment(document)
    elapsed = (time.process_time() - start)
    print("pynlpir Time used:",elapsed)
    print("《《pynlpir》》:") 
    for word,tag in result5:   
        print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")

def english_Txt_test(doc):
    print(">>>>>NLTK tokenization start...")
    start = time.process_time()
    
    tokens = nltk.word_tokenize(doc)
    tagged = nltk.pos_tag(tokens)
    entities = nltk.chunk.ne_chunk(tagged)
    t = treebank.parsed_sents('wsj_0001.mrg')[0]
    t.draw()  
    elapsed = (time.process_time() - start)    
    print("NLTK Time used:",elapsed)
    print(entities)
    print("《《NLTK》》: " )
    for word,tag in tagged:   
        print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    
    """
    英文分词spacy
    """
    print(">>>>>spacy tagging start...")
    start = time.process_time()
    s_doc = spacy_nlp(doc)
    
    elapsed = (time.process_time() - start)
    print("spacy Time used:",elapsed)
    print("《《Spacy》》: ")
    for token in s_doc:
        print(str(token)+ "--"+str(token.pos_)+"\t", end=' ')
    print("\n")
    for ent in s_doc.ents:
        print(ent,"----", ent.label_, ent.label)
    print("\n")
    """
    英文分词StanfordCoreNLP
    """
    print(">>>>>StanfordCoreNLP tagging start...")
    start = time.process_time()
    nlp2 = StanfordCoreNLP(r'D:\anaconda\Lib\NLP实验\stanford-corenlp-full-2018-02-27')
     
    result7 =  nlp2.pos_tag(doc)

    elapsed = (time.process_time() - start)
    print("StanfordCoreNLP Time used:",elapsed)
    print("《《StanfordCoreNLP>>: " )
   
    for word,tag in result7:   
        print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    
    #StanfordCoreNLP 'Named Entities:', nlp.ner(sentence)
    print(">>>>>StanfordCoreNLP Named Entities start...")
    start = time.process_time()
    
    result8 =  nlp2.ner(doc)

    elapsed = (time.process_time() - start)
    print("StanfordCoreNLP Named Entities Time used:",elapsed)
    print("《《StanfordCoreNLP》》: " )
    nlp2.close() 
    for word,tag in result8:
        if tag != 'O':
            print(str(word)+"--"+str(tag)+"\t", end=' ')
    print("\n")
    


def main():
    
    f = open('Chinese.txt')
    document = f.read()
    f.close()
    print(document)    
    chinese_Txt_test(document)
    
    f = open('English.txt')
    doc = f.read()
    f.close()
    print(doc)
    print("\n")  
    english_Txt_test(doc)
    
    print("test finished!")
            
if __name__ == '__main__':
    main() 

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342