【NLP】LTP中文工具集使用

原创

wx62cea850b9e28 2022-08-25 10:44:55 ©著作权

文章标签 NLP 词性标注句法分析中文分词 文章分类 NLP 人工智能

©著作权归作者所有：来自51CTO博客作者wx62cea850b9e28的原创作品，请联系作者获取转载授权，否则将追究法律责任

学习总结

上次的NLTK是英文工具集，LTP则是中文工具集。同样能用于词法分析（分词、词性标注、命名实体识别）、句法分析（依存句法分析）和语义分析（语义角色标注和语义依存分析）等。

文章目录

学习总结
一、中文分词
二、分句和词性标注
三、命名实体识别任务
四、依存句法分析
五、语义依存分析

5.1 树
5.2 图

Reference

一、中文分词

中文词语之间不像英语一样，没有空格进行分割，NLP一般以词为最小处理单位，需要对中文分词处理。

# -*- coding: utf-8 -*-
"""
Created on Fri Nov 26 22:06:23 2021

@author: 86493
"""
from ltp import LTP
# 默认加载small模型，首次使用时会自动下载并加载模型
ltp = LTP()

# 对句子进行分词，结果使用segment访问
# hidden用于访问每个词的隐含层向量，用于后续分析步骤 
segment, hidden = ltp.seg(["南京市长江大桥。"])

# LTP能够获得正确的分词结果，如不会分词为：南京，市长
print(segment)

LTP能够获得正确的分词结果，如不会分词为：南京，市长，结果为：

[['南京市', '长江大桥', '。']]

二、分句和词性标注

分词：

# 分词
segment, hidden = ltp.seg(sentences)
print(segment)

# [['南京市', '长江大桥', '。'], ['汤姆', '生病', '了', '。'], 
# ['他', '去', '了', '医院', '。']]

词性标注：

# 词性标注 
pos_tags = ltp.pos(hidden)
print(pos_tags)

# [['ns', 'ns', 'wp'], ['nh', 'v', 'u', 'wp'], 
# ['r', 'v', 'u', 'n', 'wp']]

三、命名实体识别任务

from ltp import LTP

ltp = LTP()

seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
ner = ltp.ner(hidden)
# [['他', '叫', '汤姆', '去', '拿', '外衣', '。']]
# [[('Nh', 2, 2)]]

tag, start, end = ner[0][0]
print(tag,":", "".join(seg[0][start:end + 1]))
# Nh : 汤姆

四、依存句法分析

注意：在依存句法当中，虚节点ROOT占据了0位置，因此节点的下标从1开始。

from ltp import LTP

ltp = LTP()

seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
dep = ltp.dep(hidden)
print(dep)

结果：

# [['他', '叫', '汤姆', '去', '拿', '外衣', '。']]
# [
#     [
#         (1, 2, 'SBV'),
#         (2, 0, 'HED'),    # 叫 --|HED|--> ROOT
#         (3, 2, 'DBL'),
#         (4, 2, 'VOB'),
#         (5, 4, 'COO'),
#         (6, 5, 'VOB'),
#         (7, 2, 'WP')
#     ]
# ]

（1）上面结果的第1、2行为例：(1, 2, 'SBV')，(2, 0, 'HED')，依存句法树会有默认的虚拟root节点，其索引为0，分词后的索引是从1开始的：

他	叫	汤姆	去	拿	外衣
1	2	3	4	5	6

（2）第二行的(2, 0, 'HED')第二列为0，代表索引为2的结点（叫）的父节点是索引为0的虚拟root节点。
（3）第一行的(1, 2, 'SBV')的SBV是表示两个节点的依存关系是主谓关系，即“叫”和“他”是主谓关系。

五、语义依存分析

与依存句法类似的，这里的下标也是从1开始。

5.1 树

from ltp import LTP

ltp = LTP()

seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
sdp = ltp.sdp(hidden, mode='tree')

# [['他', '叫', '汤姆', '去', '拿', '外衣', '。']]
# [
#     [
#         (1, 2, 'Agt'),
#         (2, 0, 'Root'),   # 叫 --|Root|--> ROOT
#         (3, 2, 'Datv'),
#         (4, 2, 'eEfft'),
#         (5, 4, 'eEfft'),
#         (6, 5, 'Pat'),
#         (7, 2, 'mPunc')
#     ]
# ]

5.2 图

from ltp import LTP

ltp = LTP()

seg, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
sdp = ltp.sdp(hidden, mode='graph')

# [['他', '叫', '汤姆', '去', '拿', '外衣', '。']]
# [
#     [
#         (1, 2, 'Agt'),
#         (2, 0, 'Root'),   # 叫 --|Root|--> ROOT
#         (3, 2, 'Datv'),
#         (3, 4, 'Agt'),
#         (3, 5, 'Agt'),
#         (4, 2, 'eEfft'),
#         (5, 4, 'eEfft'),
#         (6, 5, 'Pat'),
#         (7, 2, 'mPunc')
#     ]
# ]