FoolNLTK：可能是目前最准的中文分词工具 | 软件推介

Posted 2021-04-24 OSC开源社区

FoolNLTK 是一个中文处理工具包，可能不是最快的开源中文分词，但很可能是最准的开源中文分词

授权协议：Apache

开发语言：Python

操作系统：跨平台

特点

• 可能不是最快的开源中文分词，但很可能是最准的开源中文分词

• 基于BiLSTM模型训练而成

• 包含分词，词性标注，实体识别,　都有比较高的准确率

• 用户自定义词典

安装

pip install foolnltk

使用说明

分词

import fool

text = "一个傻子在北京"

print(fool.cut(text))

# ['一个', '傻子', '在', '北京']

命令行分词

python -m fool [filename]

用户自定义词典

词典格式格式如下，词的权重越高，词的长度越长就越越可能出现,　权重值请大于1

难受香菇 10

什么鬼 10

分词工具 10

北京 10

北京天安门 10

加载词典

import fool

fool.load_userdict(path)

text = "我在北京天安门看你难受香菇"

print(fool.cut(text))

# ['我', '在', '北京天安门', '看', '你', '难受香菇']

删除词典

fool.delete_userdict();

词性标注

import fool

text = "一个傻子在北京"

print(fool.pos_cut(text))

#[('一个', 'm'), ('傻子', 'n'), ('在', 'p'), ('北京', 'ns')]

实体识别

import fool 

text = "一个傻子在北京"

words, ners = fool.analysis(text)

print(ners)

#[(5, 8, 'location', '北京')]

注意

• 暂时只在Python3 Linux 平台测试通过

推荐阅读

点击“阅读原文”查看更多精彩内容