ITPub博客

首页 > 人工智能 > 人工智能 > 斯坦福NLP团队发布最新自然语言处理Python库

斯坦福NLP团队发布最新自然语言处理Python库

人工智能 作者:dicksonjyl560101 时间:2019-02-08 21:31:15 0 删除 编辑

https://blog.csdn.net/weixin_42137700/article/details/86777031



斯坦福NLP团队,于1月29日发布了新版的自然语言处理Python库:StandfordNLP,不同于以前java系的CoreNLP, 这次的项目是一个全新Python库,内部基于PyTorch 1.0。小编刚刷完文档,个人觉得,这是目前最值得学习的自然语言处理算法库了!现在分享给大家。

斯坦福NLP团队发布最新自然语言处理Python库


版本特性

新版的StandfordNLP包含以下特性:

  • 纯python库,没有什么设置项,pip install后直接可用
  • 拥有自然语言处理所需的几乎所有方法
  • 包含预训练模型,支持73个树库中的53种语言
  • 与斯坦福CoreNLP无缝联动
  • 斯坦福NLP团队出品,质量有保证

安装

pip install stanfordnlp

使用

>>> import stanfordnlp
>>> stanfordnlp.download('en') # 这会下载英语的神经网络模型
>>> nlp = stanfordnlp.Pipeline() # 获取一个默认的英语语言处理流程
>>> doc = nlp("Barack Obama was born in Hawaii. He was elected president in 2008.")
>>> doc.sentences[0].print_dependencies()
('Barack', '4', 'nsubj:pass')
('Obama', '1', 'flat')
('was', '4', 'aux:pass')
('born', '0', 'root')
('in', '6', 'case')
('Hawaii', '4', 'obl')
('.', '4', 'punct')




中文demo

>>> import stanfordnlp
>>> stanfordnlp.download('zh') # 下载中文模型
>>> nlp = stanfordnlp.Pipeline(lang='zh') # 中文语言处理流程
>>> doc = nlp("達沃斯世界經濟論壇是每年全球政商界領袖聚在一起的年度盛事。")
>>> doc.sentences[0].print_tokens() # 打印token
達沃斯 達沃斯 PROPN
世界 世界 NOUN
經濟 經濟 NOUN
論壇 論壇 NOUN
是 是 AUX
每年 每年 DET
全球 全球 NOUN
政 政 PART
商界 商界 NOUN
領袖 領袖 NOUN
聚 聚 VERB
在 在 VERB
一起 一起 NOUN
的 的 PART
年度 年度 NOUN
盛事 盛事 NOUN
。 。 PUNCT
>>> doc.sentences[0].print_dependencies() # 打印依存分析树
('達沃斯', '4', 'nmod')
('世界', '4', 'nmod')
('經濟', '4', 'nmod')
('論壇', '16', 'nsubj')
('是', '16', 'cop')
('每年', '10', 'nmod')
('全球', '10', 'nmod')
('政', '9', 'case:pref')
('商界', '10', 'nmod')
('領袖', '11', 'nsubj')
('聚', '16', 'acl:relcl')
('在', '11', 'mark')
('一起', '11', 'obj')
('的', '11', 'mark:relcl')
('年度', '16', 'nmod')
('盛事', '0', 'root')
('。', '16', 'punct')



Pipeline的配置

在StandfordNLP里,Pipline配置了StandfordNLP怎么处理数据,比如英文的默认是Token,Lemma等,而中文的是分词,Token等。完整的Pipline配置见下图:

import stanfordnlpconfig = {
'processors': 'tokenize,mwt,pos,lemma,depparse', # 配置调用该Pipline需要用到的模型,
lang': 'fr', # 配置该Pipline所处理的目标语言
# 配置用到的模型,及其模型路径,注意,这里的模型都是PyTorch的
# 你也可以自己训练自己的模型
'tokenize_model_path': './fr_gsd_models/fr_gsd_tokenizer.pt',
'mwt_model_path': './fr_gsd_models/fr_gsd_mwt_expander.pt',
'pos_model_path': './fr_gsd_models/fr_gsd_tagger.pt',
'pos_pretrain_path': './fr_gsd_models/fr_gsd.pretrain.pt',
'lemma_model_path': './fr_gsd_models/fr_gsd_lemmatizer.pt',
'depparse_model_path': './fr_gsd_models/fr_gsd_parser.pt',
'depparse_pretrain_path': './fr_gsd_models/fr_gsd.pretrain.pt'
}
nlp = stanfordnlp.Pipeline(**config) # 根据配置初始化Pipline
doc = nlp("Van Gogh grandit au sein d'une famille de l'ancienne bourgeoisie.") # 将Pipline运用到句子上
doc.sentences[0].print_tokens() # 查看结果

更多信息,请访问该库的github地址:

https://github.com/stanfordnlp/stanfordnlp


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/29829936/viewspace-2600342/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
行万里路,读万卷书,阅无数人。 吃货一枚,爱吃湘菜,川菜,粤菜与杭帮菜,尝遍天下美食。 摄影爱好者,游遍名川大山,江河胡海,赏遍人间春色。 爱看影,尤其是港片,好莱坞大片,以及俄罗斯生猛大片,非主流影评写手。 SAP高级咨询顾问经理,自由职业者。 2017年底开始研习人工智能。

注册时间:2014-08-27

  • 博文量
    1443
  • 访问量
    2618044