Data

Tools

Indexes

Applications

Experiments

Open Source Science

https://github.com/chapzq77/ltp_python_interface

根据自己搭的 LTP 服务器，实现：分词、词性标注、命名实体识别、依存句法分析、语义角色标、命名实体的抽取：人名，地名，机构名、三元组的抽取：主谓宾，动宾关系，介宾关系，（实体1，关系，实体2）

https://github.com/chapzq77/ltp_python_interface

Science Score: 26.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • ○
    CITATION.cff file
  • ✓
    codemeta.json file
    Found codemeta.json file
  • ✓
    .zenodo.json file
    Found .zenodo.json file
  • ○
    DOI references
  • ○
    Academic publication links
  • ○
    Academic email domains
  • ○
    Institutional organization owner
  • ○
    JOSS paper metadata
  • ○
    Scientific vocabulary similarity
    Low similarity (0.7%) to scientific vocabulary
Last synced: 10 months ago · JSON representation

Repository

根据自己搭的 LTP 服务器，实现：分词、词性标注、命名实体识别、依存句法分析、语义角色标、命名实体的抽取：人名，地名，机构名、三元组的抽取：主谓宾，动宾关系，介宾关系，（实体1，关系，实体2）

Basic Info
  • Host: GitHub
  • Owner: chapzq77
  • Language: Python
  • Default Branch: master
  • Homepage:
  • Size: 5.86 KB
Statistics
  • Stars: 144
  • Watchers: 7
  • Forks: 51
  • Open Issues: 3
  • Releases: 0
Created almost 9 years ago · Last pushed almost 9 years ago
Metadata Files
Readme

README.md

LTP的 python 接口

自己在服务器上搭载 LTP 的程序，并开放端口供LTP_MODEL使用，根据自己的情况，实现了：分词，词性标注，命名实体识别，依存句法分析，语义角色标注。同时，基于该接口，我实现了，命名实体的抽取和事实三元组的抽取工作

LTP_MODEL的优点

  • LTP的 Python 接口，不需要安装其他额外的库
  • 可以根据自己的需要更改代码，实现不同的输入和输出形式
  • 实现了命名实体的抽取：人名，地名，机构名
  • 实现了三元组的抽取：主谓宾，动宾关系，介宾关系，（实体，关系，实体）

LTP_MODEL的用法

  • 分词

input_list = ['中国，是以华夏文明为源泉、中华文化为基础，并以汉族为主体民族的多民族国家，通用汉语、汉字，汉族与少数民族被统称为“中华民族”，又自称为炎黄子孙、龙的传人。'] model = LTP_MODEL() print model.segment(input_list) - 词性标注

input_list = ['中国，是以华夏文明为源泉、中华文化为基础，并以汉族为主体民族的多民族国家，通用汉语、汉字，汉族与少数民族被统称为“中华民族”，又自称为炎黄子孙、龙的传人。'] model = LTP_MODEL() print model.postagger(input_list) - 命名实体识别

input_list = ['中国，是以华夏文明为源泉、中华文化为基础，并以汉族为主体民族的多民族国家，通用汉语、汉字，汉族与少数民族被统称为“中华民族”，又自称为炎黄子孙、龙的传人。'] model = LTP_MODEL() print model.NamedEntityRecognizer(input_list,Entity_dist=True)[0]['place'][0] print model.NamedEntityRecognizer(input_list)

  • 依存句法分析

input_list = ['中国，是以华夏文明为源泉、中华文化为基础，并以汉族为主体民族的多民族国家，通用汉语、汉字，汉族与少数民族被统称为“中华民族”，又自称为炎黄子孙、龙的传人。'] model = LTP_MODEL() print model.SyntaxParser(input_list) - 三元组抽取

input_sentence = "中国，是以华夏文明为源泉、中华文化为基础，并以汉族为主体民族的多民族国家，通用汉语、汉字，汉族与少数民族被统称为“中华民族”，又自称为炎黄子孙、龙的传人" model = LTP_MODEL() Subjective_guest,Dynamic_relation,Guest,Name_entity_relation = model.triple_extract(input_sentence) for e in Subjective_guest[0]: print e, print "\n" for e in Dynamic_relation[0]: print e, - 语义角色分析

input_list = ["中国，是以华夏文明为源泉、中华文化为基础，并以汉族为主体民族的多民族国家，通用汉语、汉字，汉族与少数民族被统称为“中华民族”，又自称为炎黄子孙、龙的传人"] model = LTP_MODEL() print model.SementicRoleLabeller(input_list)

后期还将添加关键字抽取功能

Owner

  • Name: 周奇
  • Login: chapzq77
  • Kind: user

GitHub Events

Total
  • Watch event: 4
Last Year
  • Watch event: 4