中英文词性标注工具介绍

一下工具具有C/C++版本

 

中文词性标注工具：比较好的有

中科院：ictclas

具体使用方面看他里面的例子及文档很详细。突出功能是分成功能，还有命名实体识别功能。

 

哈工大信息检索实验室：LTP 语言技术平台

在分词词性标注命名实体语义消歧方面效果都不错。具体使用见他们的文档说明，很详细。

 

针对英文文章方面：

 

工具：BrillWin

该工具可以用来对英文语料进行词性标注，不过标注后的语料好像标点符号和NNP及NN有点问题，可以手工修改，问题不大。

 

使用方法说明：

语料格式：一篇文章。

可以正常的对英语进行词性标注，执行的时候主要点击批处理文件即可。该批处理文件所在的路径里不能有中文的。
命令：
tagger lexicon.brown <要处理的文件名,可以是相对路径，比如 ../data/file.txt> bigrams lexicalrulefile.brown contextualrulefile.brown > <结果文件>

注意以上的各个参数的顺序不能调换。

 

工具：geniatagger

 该工具除了词性标注和获取因为词的原型外，好像还可以进行命名实体识别，具体没试过，不过既然可以词性标注，那么提取命名实体，其实也不难了。而且这个针对于生物语料效果不错。同时其原型提取效果也不错。

 

使用方法：

在geniatagger所在的文件夹下，直接命令行执行：  .\geniatagger.exe <输入文件路径> 输出文件路径

注意：一定要有< >尖括号。
语料格式：Prepare a text file containing one sentence per line