FoolNLTK

中文處理工具包

特點(diǎn)

• 可能不是最快的開源中文分詞，但很可能是最準(zhǔn)的開源中文分詞

• 基于BiLSTM模型訓(xùn)練而成

• 包含分詞，詞性標(biāo)注，實(shí)體識(shí)別,　都有比較高的準(zhǔn)確率

• 用戶自定義詞典

Install

pip install foolnltk

使用說明

分詞

import fool

text = "一個(gè)傻子在北京"
print(fool.cut(text))
# ['一個(gè)', '傻子', '在', '北京']

命令行分詞

python -m fool [filename]

用戶自定義詞典

詞典格式格式如下，詞的權(quán)重越高，詞的長(zhǎng)度越長(zhǎng)就越越可能出現(xiàn),　權(quán)重值請(qǐng)大于1

難受香菇 10
什么鬼 10
分詞工具 10
北京 10
北京天安門 10

加載詞典

import fool
fool.load_userdict(path)
text = "我在北京天安門看你難受香菇"
print(fool.cut(text))
# ['我', '在', '北京天安門', '看', '你', '難受香菇']

刪除詞典

fool.delete_userdict();

詞性標(biāo)注

import fool

text = "一個(gè)傻子在北京"
print(fool.pos_cut(text))
#[('一個(gè)', 'm'), ('傻子', 'n'), ('在', 'p'), ('北京', 'ns')]

實(shí)體識(shí)別

import fool 

text = "一個(gè)傻子在北京"
words, ners = fool.analysis(text)
print(ners)
#[(5, 8, 'location', '北京')]

注意

• 暫時(shí)只在Python3 Linux 平臺(tái)測(cè)試通過