這篇文章主要講解了“Python StandfordNLP庫怎么用”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python StandfordNLP庫怎么用”吧！

專注于為中小企業(yè)提供做網(wǎng)站、成都做網(wǎng)站服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)陜西免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動了數(shù)千家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設(shè)實現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

版本特性

新版的StandfordNLP包含以下特性：

• 純python庫，沒有什么設(shè)置項，pip install后直接可用

• 擁有自然語言處理所需的幾乎所有方法

• 包含預(yù)訓(xùn)練模型，支持73個樹庫中的53種語言

• 與斯坦福CoreNLP無縫聯(lián)動

• 斯坦福NLP團(tuán)隊出品，質(zhì)量有保證

安裝

pip install stanfordnlp

使用

>>> import stanfordnlp
>>> stanfordnlp.download('en') # 這會下載英語的神經(jīng)網(wǎng)絡(luò)模型
>>> nlp = stanfordnlp.Pipeline() # 獲取一個默認(rèn)的英語語言處理流程
>>> 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') # 下載中文模型
>>> nlp = stanfordnlp.Pipeline(lang='zh') # 中文語言處理流程
>>> doc = nlp("達(dá)沃斯世界經(jīng)濟(jì)論壇是每年全球政商界領(lǐng)袖聚在一起的年度盛事。")
>>> doc.sentences[0].print_tokens() # 打印token
達(dá)沃斯 達(dá)沃斯 PROPN
世界 世界 NOUN
經(jīng)濟(jì) 經(jīng)濟(jì) 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(lǐng)袖 領(lǐng)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() # 打印依存分析樹
('達(dá)沃斯', '4', 'nmod')
('世界', '4', 'nmod')
('經(jīng)濟(jì)', '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(lǐng)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怎么處理數(shù)據(jù)，比如英文的默認(rèn)是Token,Lemma等，而中文的是分詞，Token等。完整的Pipline配置見下圖：

import stanfordnlpconfig = {
'processors': 'tokenize,mwt,pos,lemma,depparse', # 配置調(diào)用該P(yáng)ipline需要用到的模型,
lang': 'fr', # 配置該P(yáng)ipline所處理的目標(biāo)語言
# 配置用到的模型，及其模型路徑，注意，這里的模型都是PyTorch的
# 你也可以自己訓(xùn)練自己的模型
'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) # 根據(jù)配置初始化Pipline
doc = nlp("Van Gogh grandit au sein d'une famille de l'ancienne bourgeoisie.") # 將Pipline運(yùn)用到句子上
doc.sentences[0].print_tokens() # 查看結(jié)果

感謝各位的閱讀，以上就是“Python StandfordNLP庫怎么用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Python StandfordNLP庫怎么用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！