pyltp模块安装及使用
系统：win7
语言：python3.6
1.选择安装wheels方法
1. pip install pyltp #失败
2. 使用源码安装也未成功
参考文章https://www.jianshu.com/p/9518b5cf325a选择使用wheels方法安装
1.1.下载wheels
下面两个文件针对不同的python版本下载一个即可：
pyltp-0.2.1-cp35-cp35m-win_amd64.whl
pyltp-0.2.1-cp36-cp36m-win_amd64.whl
1.2.安装文件
下载好了以后, 在命令行下, cd到wheel文件所在的目录, 然后使用命令pip install wheel文件名安装.
1.3.测试
可以直接在命令窗口中测试，代码如下：
安装pyltp完成！！！！
1.4.模型下载
使用里面的预训练模型，需要先下载，然后指定相应目录 - 下载地址：ltp.ai/download.html
注意：
ltp3.4.0 版本 SRL模型 pisrl.model在windows系统下不可用 下载这个：pisrl_win.model
2.pyltp使用
2.1.分词
from pyltp import Segmentor
seg = Segmentor() #生成对象
seg.load("D:\myprojects\LTP\ltp_data_v3.4.0\cws.model") #加载分词预训练模型
seg_words = seg.segment("我爱自然语言处理技术！")
print(" ".join(seg_words))
seg.release() #释放资源
输出：我 爱 自然 语言 处理 技术 ！
2.2词性标注(对分好的词进行标注)
from pyltp import Postagger
pos=Postagger()
#加载词性预训练模型
pos.load("D:\myprojects\LTP\ltp_data_v3.4.0\pos.model")
words_pos=pos.postag(seg_words)
for k,v in zip(seg_words, words_pos):
print(k+'\t'+v)
pos.release()
输出：
我 r
爱 v
自然 n
语言 n
处理 v
技术 n
！ wp
2.3.命名体识别
from pyltp import NamedEntityRecognizer
ner = NamedEntityRecognizer()
#加载命名
# 实体识别预训练模型
ner.load("D:\\myprojects\\LTP\\ltp_data_v3.4.0\\ner.model")
netags=ner.recognize(seg_words,words_pos)
print(" ".join(netags))
ner.release()
输出：
2.4.依存句法分析
from pyltp import Parser
parser=Parser()
parser.load("D:\myprojects\LTP\ltp_data_v3.4.0\parser.model")
arcs=parser.parse(seg_words,words_pos)
print([(arc.head,arc.relation) for arc in arcs])
parser.release()
输出：
[(2, 'SBV'), (0, 'HED'), (4, 'ATT'), (5, 'FOB'), (2, 'VOB'), (5, 'VOB'), (2, 'WP')]
2.5.语义角色标注
from pyltp import SementicRoleLabeller
labeller = SementicRoleLabeller()
labeller.load("D:\myprojects\LTP\ltp_data_v3.4.0\pisrl_win.model")
roles = labeller.label(seg_words,words_pos,arcs)
for role in roles:
print(role.index, "".join(["%s:(%d,%d)" % (arg.name, arg.range.start, arg.range.end) for arg in role.arguments]))
输出：
1 A0:(0,0)A1:(2,5)
4 A1:(5,5)
参考：
1.https://www.jianshu.com/p/9518b5cf325a
2.https://zhuanlan.zhihu.com/p/51426918