python调用Hanlp做命名实体识别以及词性标注

Posted 小白

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python调用Hanlp做命名实体识别以及词性标注相关的知识,希望对你有一定的参考价值。

1、HanlP安装

pip install pyhanlp

2、使用

# -*- coding:utf-8 -*-
from pyhanlp import *
content = "现如今,机器学习和深度学习带动人工智能飞速的发展,并在图片处理、语音识别领域取得巨大成功。"
print(HanLP.segment(content))

content = "马伊琍与文章宣布离婚,华为是背后的赢家。"
print(原句: + content)
print(HanLP.segment(content))

# 添加自定义词典
# insert会覆盖字典中已经存在的词,add会跳过已经存在的词,
# add("文章","nr 300") ,nr为词性,300为词频; add("交易平台","nz 1024 n 1") 表示可以一词多性 ,交易平台词性即可为nz 词频为1024,也可为n 词频为1
CustomDictionary.add("文章", "nr 300")
CustomDictionary.insert("工程机械", "nz 1024")
CustomDictionary.add("交易平台", "nz 1024 n 1") 
print(HanLP.segment(content))

3、Hanlp根据词性统计

注意:需要安装jpype先,这个是python调用java库的桥梁。

# -*- coding: utf-8 -*-

import jpype

#路径
jvmPath = jpype.getDefaultJVMPath() # 获得系统的jvm路径
ext_classpath = r"./ner/hanlphanlp-1.6.3.jar:./ner/hanlp"
jvmArg = -Djava.class.path= + ext_classpath
jpype.startJVM(jvmPath, jvmArg, "-Xms1g", "-Xmx1g")

#繁体转简体
def TraditionalChinese2SimplifiedChinese(sentence_str):
    HanLP = jpype.JClass(com.hankcs.hanlp.HanLP)
    return HanLP.convertToSimplifiedChinese(sentence_str)

#切词&命名实体识别与词性标注(可以粗略识别)
def NLP_tokenizer(sentence_str):
    NLPTokenizer = jpype.JClass(com.hankcs.hanlp.tokenizer.NLPTokenizer)
    return NLPTokenizer.segment(sentence_str)

#地名识别,标注为ns
def Place_Recognize(sentence_str):
    HanLP = jpype.JClass(com.hankcs.hanlp.HanLP)
    segment = HanLP.newSegment().enablePlaceRecognize(True)
    return HanLP.segment(sentence_str)

#人名识别,标注为nr
def PersonName_Recognize(sentence_str):
    HanLP = jpype.JClass(com.hankcs.hanlp.HanLP)
    segment = HanLP.newSegment().enableNameRecognize(True)
    return HanLP.segment(sentence_str)

#机构名识别,标注为nt
def Organization_Recognize(sentence_str):
    HanLP = jpype.JClass(com.hankcs.hanlp.HanLP)
    segment = HanLP.newSegment().enableOrganizationRecognize(True)
    return HanLP.segment(sentence_str)

#标注结果转化成列表
def total_result(function_result_input):
    x = str(function_result_input)
    y = x[1:len(x)-1]
    y = y.split(,)
    return y

#时间实体
def time_result(total_result):
    z = []
    for i in range(len(total_result)):
        if total_result[i][-2:] == /t:
            z.append(total_result[i])
    return z

#Type_Recognition 可以选 ‘place’,‘person’,‘organization’三种实体,
#返回单一实体类别的列表
def single_result(Type_Recognition,total_result):
    if Type_Recognition == place:
        Type = /ns
    elif Type_Recognition == person:
        Type = /nr
    elif Type_Recognition == organization:
        Type = /nt
    else:
        print (请输入正确的参数:(place,person或organization))
    z = []
    for i in range(len(total_result)):
        if total_result[i][-3:] == Type:
            z.append(total_result[i])
    return z

#把单一实体结果汇总成一个字典
def dict_result(sentence_str):
    sentence = TraditionalChinese2SimplifiedChinese(sentence_str)
    total_dict = {}
    a = total_result(Place_Recognize(sentence))
    b = single_result(place,a)
    c = total_result(PersonName_Recognize(sentence))
    d = single_result(person,c)
    e = total_result(Organization_Recognize(sentence))
    f = single_result(organization,e)
    g = total_result(NLP_tokenizer(sentence))
    h = time_result(g)
    total_list = [i for i in [b,d,f,h]]
    total_dict.update(place = total_list[0],person = total_list[1],organization = total_list[2],time = total_list[3])
    jpype.shutdownJVM()#关闭JVM虚拟机
    return total_dict

#测试
test_sentence="2018年武胜县新学乡政府大楼门前锣鼓喧天,6月份蓝翔给宁夏固原市彭阳县红河镇捐赠了挖掘机,中国科学院计算技术研究所的宗成庆教授负责教授自然语言处理课程,而他的学生现在正在香港看肉蒲团"
print (dict_result(test_sentence))

 

以上是关于python调用Hanlp做命名实体识别以及词性标注的主要内容,如果未能解决你的问题,请参考以下文章

Hanlp中文分词工具最新安装教程

如何改进hanlp命名实体识别

Hanlp 在Python环境中安装介绍及使用

NLP文本处理的基本方法(超详解)

用CRF做命名实体识别

NLP 教程:词性标注依存分析和命名实体识别解析与应用