自然语言处理工具python调用hanlp中文实体识别

阅读更多

 

Hanlp作为一款重要的中文分词工具，在GitHub的用户量已经非常之高，应该可以看得出来大家对于hanlp这款分词工具还是很认可的。本篇继续分享一篇关于hanlp的使用实例即Python调用hanlp进行中文实体识别。

想要在python中调用hanlp进行中文实体识别，Ubuntu 16.04的系统环境

1.安装jpype1，在cmd窗口输入

pip install jpype1

2.下载hanlp的安装包

在https://github.com/hankcs/HanLP/releases 

（1）下载新的 hanlp-1.7.1-release.zip文件，里面包含hanlp-1.7.1.jar , hanlp-1.7.1-sources.jar , hanlp.properties

（2）点击data-for-1.7.1.zip下载。（底下第8条）

 

 

注：如果你在http://hanlp.linrunsoft.com/services.html点击下载hanlp.jar，下载下来的是hanlp-1.2.8.jar。之后在使用过程中可能会出现“字符类型对应表加载失败”的错误，查看相应路径下也没有CharType.dat.yes文件。原因可能是hanlp-1.2.8版本过低，使用新版本应该不会出现这个问题。

 

 

3.新建一个文件夹Hanlp，放文件hanlp-1.7.1.jar和hanlp.properties文件

新建一个文件夹hanlp，放data-for-1.7.1.zip解压后的文件

配置hanlp.properties中的第一行的root为hanlp文件夹的位置，也就是data-for-1.7.1.zip解压后的文件放的位置。

4.写py文件调用hanlp进行中文分析。

用法可参考这个博客  blog.csdn.net/u011961856/article/details/77167546。

另，查看HanLP关于实体识别的文档http://hanlp.linrunsoft.com/doc.html

里面介绍说中文人名标注为“nr”，地名标注为“ns”，机构名标注为“nt”，所以使用用法参考链接里的NLPTokenizer.segment就可以标注出中文句子中的人名，地名和机构名。

比较使用jieba进行词性标注时，也可以标注出中文句子中的人名，地名和机构名。jieba分词的词性说明：

 

 

 

• 
• 大小: 141.7 KB

• 
• 大小: 27.6 KB

• 
• 大小: 26.4 KB

• 查看图片附件