没有更多推荐了，
不良信息举报
举报内容：
Stanford Word Segmenter使用
举报原因：
原文地址：
原因补充：
最多只允许输入30个字
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！求助，stanford segmenter 如何训练_百度知道
求助，stanford segmenter 如何训练
我有更好的答案
唐 李骘 《徐襄州碑》：“常令教习，不杂抽差，训练无时，以为备御。” 宋 宋祁《减边兵议》：“况所抽兵士，虽在内郡，其校习训练，一如边上。”《明熹宗实录》：“兵部覆督师孙承宗疏言，辅臣欲身向登莱号召大兵，臣深服其雄略。但登莱有抚臣（袁可立），有镇臣简选水兵，训练辽兵。磨励以须传檄，督催敢不立应。”《东周列国志》第四回：“太叔托名射猎，逐日出城训练士卒，并收二鄙之众，一齐造入军册。又假出猎为由，袭取鄢及廪延。”
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。在 NLTK 中使用 Stanford NLP 工具包 - 简书
在 NLTK 中使用 Stanford NLP 工具包
巧者劳而智者忧，无能者无所求，饱食而遨游，泛若不系之舟
在 NLTK 中使用 Stanford NLP 工具包
08 Jun 2016目录
NLTK 与 Stanford NLP
NLTK 是一款著名的 Python 自然语言处理(Natural Language Processing, NLP)工具包，在其收集的大量公开数据集、模型上提供了全面、易用的接口，涵盖了分词、词性标注(Part-Of-Speech tag, POS-tag)、命名实体识别(Named Entity Recognition, NER)、句法分析(Syntactic Parse)等各项 NLP 领域的功能。
Stanford NLP 是由斯坦福大学的 NLP 小组开源的 Java 实现的 NLP 工具包，同样对 NLP 领域的各个问题提供了解决办法。
斯坦福大学的 NLP 小组是世界知名的研究小组，如果能将 NLTK 和 Stanford NLP 这两个工具包结合起来使用，那自然是极好的！在 2004 年 Steve Bird 在 NLTK 中加上了对 Stanford NLP 工具包的支持，通过调用外部的 jar 文件来使用 Stanford NLP 工具包的功能。
从 NLTK 的 commit 历史中可以找到相应的提交记录:
commit e1372fef56bfb88d02fdb6c0eaa38
Author: Steven Bird &&
Date: Tue Aug 3 12:20:20
added Stanford svn/trunk@2088
现在的 NLTK 中，通过封装提供了 Stanford NLP 中的以下几个功能:
命名实体识别
句法分析，依存句法分析
安装和配置
NLTK 3.2 之后加入了用于中文分词的 StanfordSegmenter 这个类，作者是知名 NLP 博主 52nlp，见 。而 NLTK 3.1 及之前则只有以下几个类:
分词: StanfordTokenizer
词性标注: StanfordPOSTagger
命名实体识别: StanfordNERTagger
句法分析: StanfordParser
依存句法分析: StanfordDependencyParser, StanfordNeuralDependencyParser
方便起见，本文以 NLTK 3.2 这个版本来说明如何进行相关的安装和配置，3.1 及之前的版本基本相同。
需要注意这么几点:
Stanford NLP 工具包自 2014 年 10 月后(大概是 version 3.5.0)需要 Java 8 及之后的版本，如果出错请检查 Java 版本
下面的配置过程都以 Stanford NLP 3.6.0 为例，如果使用的是其他版本，请注意替换相应的文件名
下面的配置过程以 NLTK 3.2 为例，如果使用 NLTK 3.1，需要注意该旧版本中 StanfordSegmenter 未实现，其余大致相同
下面的配置过程是针对不同的接口分别讲述各自如何配置，根据来自 NLTK 的源代码，分别是
nltk/tokenize/stanford.py
nltk/tag/stanford.py
nltk/parse/stanford.py
如果不想了解这些细节，可以参考 NLTK 官方 上的内容，但需要注意的是，StanfordSegmenter 和 StanfordNeuralDependencyParser 这两者的配置和其他的都不一样，而 wiki 页面上并未覆盖到这部分内容。
事实上，也可以完全不进行环境变量设置，但这就需要在每次调用的时候手动指定参数
StanfordSegmenter
处下载 stanford-segmenter-.zip (version 3.6.0)
将 stanford-segmenter-.zip 解压, 并将解压目录中的 stanford-segmenter-3.6.0.jar 拷贝为 stanford-segmenter.jar
将 stanford-segmenter.jar 和 slf4j-api.jar 加入到 CLASSPATH 中去
export STANFORD_SEGMENTER_PATH="$HOME/stanford/segmenter"export CLASSPATH="$CLASSPATH:$STANFORD_SEGMENTER_PATH/stanford-segmenter.jar:$STANFORD_SEGMENTER_PATH/slf4j-api.jar"
之所以要将 stanford-segmenter.jar 和 slf4j-api.jar 加入到 CLASSPATH 中，是因为在 StanfordSegmenter 的实现中显式依赖了这两个文件，并且优先在 CLASSPATH 中寻找这两个文件。如果在 CLASSPATH 中找不到 stanford-segmenter.jar ，则会在环境变量 STANFORD_SEGMENTER 指定的路径中寻找；同样的，如果找不到 slf4j-api.jar ，则会在环境变量 SLF4J 指定的路径中寻找。其他几个类也有同样的依赖设置，为了统一管理，可以将所有依赖的 jar 文件都加入到 CLASSPATH 中去，当然分别为不同的 jar 文件设置不同的环境变量也是可以的。
除了设置环境变量，也可以通过函数参数来传入依赖的 jar 文件的准确路径，此时将会忽略环境变量设置。
StanfordTokenizer
中下载 stanford-postagger-full-.zip (version 3.6.0)
将 stanford-postagger-full-.zip 解压
将解压目录中的 stanford-postagger.jar 加入到 CLASSPATH 中，或者设置到环境变量
STANFORD_POSTAGGER 中
export STANFORD_POSTAGGER_PATH="$HOME/stanford/postagger"export CLASSPATH="$CLASSPATH:$STANFORD_POSTAGGER_PATH/stanford-postagger.jar"
export STANFORD_POSTAGGER="$HOME/stanford/postagger/stanford-postagger.jar"
StanfordNERTagger 和 StanfordPOSTagger
在 NLTK 里，StanfordNERTagger 和 StanfordPOSTagger 都继承自 StanfordTagger ，在设置上有共同之处，因此放到一起来讲一下。
处下载 stanford-ner-.zip (version 3.6.0)
中下载 stanford-postagger-full-.zip (version 3.6.0)
将 stanford-ner-.zip 和 stanford-postagger-full-.zip 都解压
将解压后目录中的 stanford-ner.jar 和 stanford-postagger.jar 加入到 CLASSPATH 中去，和 StanfordTokenizer 不一样，这两个类都只从 CLASSPATH 中寻找对应的 jar 文件(所以为了统一我建议都添加到 CLASSPATH 中去)
export STANFORD_NER_PATH="$HOME/stanford/ner"export STANFORD_POSTAGGER_PATH="$HOME/stanford/postagger"export CLASSPATH="$CLASSPATH:$STANFORD_NER_PATH/stanford-ner.jar:$STANFORD_POSTAGGER_PATH/stanford-postagger.jar"
同时将 stanford-ner-.zip 解压后目录中的 classifiers 目录和 stanford-postagger-full-.zip 解压后目录中的 models 目录加入到环境变量 STANFORD_MODELS 中去
export STANFORD_MODELS="$STANFORD_NER_PATH/classifiers:$STANFORD_POSTAGGER_PATH/models"
StanfordParser, StanfordDependencyParser
StanfordParser 和 StanfordDependencyParser 都继承自 GenericStanfordParser ，使用 stanford-parser.jar 来提供句法分析功能。
处下载 stanford-parser-full-.zip (version 3.6.0)
将下载的压缩包解压，并将其中的 stanford-parser.jar 和 stanford-parser-3.6.0-models.jar(这个在不同版本中名称会不一样) 都加入到 CLASSPATH 中
export STANFORD_PARSER_PATH="$HOME/stanford/parser"export CLASSPATH="$CLASSPATH:$STANFORD_PARSER_PATH/stanford-parser.jar:$STANFORD_PARSER_PATH/stanford-parser-3.6.0-models.jar"
或者将 stanford-parser.jar 加入到环境变量 STANFORD_PARSER 中，将 stanford-parser-3.6.0-models.jar 加入到环境变量 STANFORD_MODELS 中
export STANFORD_PARSER="$STANFORD_PARSER_PATH/stanford-parser.jar"export STANFORD_MODELS="$STANFORD_MODELS:$STANFORD_PARSER_PATH/stanford-parser-3.6.0.models.jar"
StanfordNeuralDependencyParser
StanfordNeuralDependencyParser 虽然也继承自 GenericStanfordParser，并且用来进行句法分析，但它使用的 Stanford CoreNLP 中的功能和模型，不依赖 Stanford Parser 这个(子)工具包。
处下载 stanford-corenlp-full-.zip
将下载的压缩包解压，并将其中的 stanford-corenlp-3.6.0.jar 和 stanford-corenlp-3.6.0-models.jar 加入到 CLASSPATH 中去
export STANFORD_CORENLP_PATH="$HOME/stanford-corenlp-full-"export CLASSPATH="$CLASSPATH:$STANFORD_CORENLP_PATH/stanford-corenlp-3.6.0.jar:$STANFORD_CORENLP_PATH/stanford-corenlp-3.6.0-models.jar"
或者可以更简单地将解压目录设置为环境变量 STANFORD_CORENLP 的值
export STANFORD_CORENLP=$STANFORD_CORENLP_PATH
使用 StanfordSegmenter 和 StanfordTokenizer 进行分词
StanfordSegmenter 是 52nlp 实现的对 Stanford Segmenter 的封装，用来进行中文分词。
# coding: utf-8
from nltk.tokenize import StanfordSegmenter
segmenter = StanfordSegmenter(
path_to_sihan_corpora_dict="/home/linusp/stanford/segmenter/data/",
path_to_model="/home/linusp/stanford/segmenter/data/pku.gz",
path_to_dict="/home/linusp/stanford/segmenter/data/dict-chris6.ser.gz")
res = segmenter.segment(u"北海已成为中国对外开放中升起的一颗明星")
print type(res)
print res.encode('utf-8')
&type 'unicode'&
北海 已 成为 中国 对外开放 中 升起 的 一 颗 明星
StanfordSegmenter 的初始化参数说明:
path_to_jar: 用来定位 stanford-segmenter.jar ，在设置了 CLASSPATH 的情况下，该参数可留空
注: 其他所有 Stanford NLP 接口都有 path_to_jar 这个参数，同样在设置了环境变量的情况下可以留空，后面不再另加说明。
path_to_slf4j: 用来定位 slf4j-api.jar ，在设置了 CLASSPATH 或者 SLF4J 这个环境变量的情况下，该参数可留空
path_to_sihan_corpora_dict: 设定为 stanford-segmenter-.zip 解压后目录中的 data 目录，话说这个参数名真是让人摸不着头脑
path_to_model: 用来指定用于中文分词的模型，在 stanford-segmenter- 的 data 目录下，有两个可用模型 pkg.gz 和 ctb.gz
需要注意的是，使用 StanfordSegmenter 进行中文分词后，其返回结果并不是 list ，而是一个字符串，各个汉语词汇在其中被空格分隔开。
StanfordTokenizer 可以用来进行英文的分词，使用起来比较简单
# coding: utf-8
from nltk.tokenize import StanfordTokenizer
tokenizer = StanfordTokenizer()
sent = "Good muffins cost $3.88\nin New York. Please buy me\ntwo of them.\nThanks."
print tokenizer.tokenize(sent)
[u'Good', u'muffins', u'cost', u'$', u'3.88', u'in', u'New', u'York', u'.', u'Please', u'buy', u'me', u'two', u'of', u'them', u'.', u'Thanks', u'.']
使用 StanfordNERTagger 进行命名实体识别
所谓命名实体识别，是用来识别并标注文本中的人名、地名、组织机构名等单元，这些单元既是 "命名实体"。
# coding: utf-8
from nltk.tag import StanfordNERTagger
eng_tagger = StanfordNERTagger('english.all.3class.distsim.crf.ser.gz')
print eng_tagger.tag('Rami Eid is studying at Stony Brook University in NY'.split())
[(u'Rami', u'PERSON'), (u'Eid', u'PERSON'), (u'is', u'O'), (u'studying', u'O'), (u'at', u'O'), (u'Stony', u'ORGANIZATION'), (u'Brook', u'ORGANIZATION'), (u'University', u'ORGANIZATION'), (u'in', u'O'), (u'NY', u'O')]
StanfordNERTagger 在初始化时需要指定所使用的模型，在 stanford-ner-.zip 解压后的 classifiers 目录中，有几个可用的英语 NER 模型:
/home/linusp/stanford/ner/classifiers/├── english.all.3class.distsim.crf.ser.gz├── english.all.3class.distsim.prop├── english.conll.4class.distsim.crf.ser.gz├── english.conll.4class.distsim.prop├── english.muc.7class.distsim.crf.ser.gz├── english.muc.7class.distsim.prop├── example.serialized.ncc.ncc.ser.gz└── example.serialized.ncc.prop
如果需要进行中文的命名实体识别，则可以在
页面的 Models 一节找到中文模型的下载链接，下载得到 stanford-chinese-corenlp--models.jar ，解压后将 edu/stanford/nlp/models/ner/ 目录下的 chinese.misc.distsim.crf.ser.gz 和 chinese.misc.distsim.prop 复制到模型目录下(stanford-ner-/classifiers)即可。
coding: utf-8from nltk.tag import StanfordNERTaggerchi_tagger = StanfordNERTagger('chinese.misc.distsim.crf.ser.gz')sent = u'北海 已 成为 中国 对外开放 中 升起 的 一 颗 明星'for word, tag in chi_tagger.tag(sent.split()): print word.encode('utf-8'), tag
北海 GPE已 O成为 O中国 GPE对外开放 O中 O升起 O的 O一 O颗 O明星 O
使用 StanfordPOSTagger 进行词性标注
所谓词性标注，是根据句子中的上下文信息，给句中每个词确定一个最为合适的词性标记，比如动词、名词、人称代词等。
和 StanfordNERTagger 一样，StanfordPOSTagger 需要的输入也是一个已经分好词的句子，下面是一个英文的词性标注实例:
from nltk.tag import StanfordPOSTaggereng_tagger = StanfordPOSTagger('english-bidirectional-distsim.tagger')print eng_tagger.tag('What is the airspeed of an unladen swallow ?'.split())
[(u'What', u'WP'), (u'is', u'VBZ'), (u'the', u'DT'), (u'airspeed', u'NN'), (u'of', u'IN'), (u'an', u'DT'), (u'unladen', u'JJ'), (u'swallow', u'VB'), (u'?', u'.')]
如果之前配置时下载的是 stanford-postagger-full-xxxx-xx-xx.zip ，在解压后，其中的 models 目录是包含有两个中文模型的，分别是 chinese-distsim.tagger 和 chinese-nodistsim.tagger ，可以直接使用。
coding: utf-8from nltk.tag import StanfordPOSTaggerchi_tagger = StanfordPOSTagger('chinese-distsim.tagger')sent = u'北海 已 成为 中国 对外开放 中 升起 的 一 颗 明星'for _, word_and_tag in chi_tagger.tag(sent.split()): word, tag = word_and_tag.split('#') print word.encode('utf-8'), tag
北海 NR已 AD成为 VV中国 NR对外开放 NN中 LC升起 VV的 DEC一 CD颗 M明星 NN
这个中文的词性标注输出的结果有点奇怪……
使用 StanfordParser 进行句法分析
句法分析在分析单个词的词性的基础上，尝试分析词与词之间的关系，并用这种关系来表示句子的结构。实际上，句法结构可以分为两种，一种是短语结构，另一种是依存结构。前者按句子顺序来提取句法结构，后者则按词与词之间的句法关系来提取句子结构。这里说的句法分析得到的是短语结构。
from nltk.parse.stanford import StanfordParsereng_parser = StanfordParser(model_path=u'edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz')print list(eng_parser.parse("the quick brown fox jumps over the lazy dog".split()))
[Tree('ROOT', [Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['quick']), Tree('JJ', ['brown']), Tree('NN', ['fox'])]), Tree('NP', [Tree('NP', [Tree('NNS', ['jumps'])]), Tree('PP', [Tree('IN', ['over']), Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['lazy']), Tree('NN', ['dog'])])])])])])]
得到的结果是一个 list, 其中的元素是 Tree 类型的，在上面这个例子中，这个 list 的长度是 1 ，调用 Tree 的 draw 方法可以将句法树绘制出来。
eng_parse_tree.png
要进行中文的句法分析，只要指定好中文的模型就好，可用的中文模型有两个，分别是 'edu/stanford/nlp/models/lexparser/chinesePCFG.ser.gz' 和 'edu/stanford/nlp/models/lexparser/chineseFactored.ser.gz'，依然拿 "北海 已 成为 中国 对外开放 中 升起 的 一 颗 明星" 这句话作为例子，得到的句法树如下所示。
chi_parse_tree.png
使用 StanfordDependencyParser 进行依存句法分析
见上一节，依存句法分析得到的是句子的依存结构。
from nltk.parse.stanford import StanfordDependencyParsereng_parser = StanfordDependencyParser(model_path=u'edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz')res = list(eng_parser.parse("the quick brown fox jumps over the lazy dog".split()))for row in res[0].triples(): print row
((u'fox', u'NN'), u'det', (u'the', u'DT'))((u'fox', u'NN'), u'amod', (u'quick', u'JJ'))((u'fox', u'NN'), u'amod', (u'brown', u'JJ'))((u'fox', u'NN'), u'dep', (u'jumps', u'NNS'))((u'jumps', u'NNS'), u'nmod', (u'dog', u'NN'))((u'dog', u'NN'), u'case', (u'over', u'IN'))((u'dog', u'NN'), u'det', (u'the', u'DT'))((u'dog', u'NN'), u'amod', (u'lazy', u'JJ'))
绘制出来的依存句法结构如下图所示。
dep_parse_tree.png
中文的依存句法分析同理，在初始化时使用中文模型即可，不再赘述。
StanfordNeuralDependencyParser 的使用与 StanfordDependencyParser 一样，但是在本人的机器上执行非常耗时，即使是对一些简单句子，所以这里就不略过不讲了。
is designed by Rizky AriestiyansyahCopyright (C) 2016
这家伙很烂，什么都没有留下。
机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1) 注:机器学习资料篇目一共500条,篇目二开始更新 希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友...
cs.AI - 人工智能cs.CL - 计算与语言cs.CR - 加密与安全cs.CV - 机器视觉与模式识别cs.CY - 计算与社会cs.DC - 分布式、并行与集群计算cs.DS - 数据结构与算法cs.HC - 人机接口cs.IR - 信息检索cs.IT - 信息论...
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Netw...
我在github上建了一个知识索引列表，以后会不断的刷新和结构化它。请点击此处访问我的列表。我的目的是不断的吸收各种机器学习，特别是深度学习的知识，构建称为机器学习的知识体系，然后我有另外一个Python的项目去构建一个文本阅读机器人（目前还在起步阶段）。 Deep Mac...
廖君机器学习资料 《机器学习经典算法详解及Python实现--基于SMO的SVM分类器》 介绍:此外作者还有一篇元算法、AdaBoostpython实现文章 《Numerical Optimization: Understanding L-BFGS》 介绍:加州伯克利大学博...
关于这句代码local ok, app = xpcall(require, err_log, &app.& .. app_name)xpcall中有三个参数，而我查了函数原型：xpcall (f, err)它只有两个参数。当实参数量大于形参的数量的时候，多余的参数会被忽略。...
阅读内容：《让未来现在就来》第四章 阅读时间：1小时 收获：尝试的重要性！有时候不要想自己做到做不到，能坚持多久，先去尝试一下，万一自己喜欢呢！
android material design 中文版地址：http://wiki.jikexueyuan.com/project/material-design/ https://wcc723.gitbooks.io/google_design_translate/con...
创建90度扇形坐标数组 要展开的时候将扇形坐标赋值给子控件消失的时候将消失坐标赋值给子控件
在这个年龄段过年，有点寂寞。 身边的同学朋友都已经结婚有孩子了，再也没有那种过年的时候就疯狂地出去耍的日子了。 我自己一个在客厅被逼看完了春晚，被逼着戳了一个晚上的咻咻。 因为我没人约，自己找事情打发时间。 你们有这样吗？ 跟我一样，过年那么寂寞。没有更多推荐了，
不良信息举报
举报内容：
Stanford Word Segmenter使用
举报原因：
原文地址：
原因补充：
最多只允许输入30个字
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！Database Error
Error establishing a database connection