1. 前言
中文分词≠自然语言处理！
hanlp
hanlp是由一系列模型与算法组成的java工具包，目标是普及自然语言处理在生产环境中的应用。hanlp具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。
功能：中文分词 词性标注 命名实体识别 依存句法分析 关键词提取新词发现 短语提取 自动摘要 文本分类 拼音简繁
中文分词只是第一步；hanlp从中文分词开始，覆盖词性标注、命名实体识别、句法分析、文本分类等常用任务，提供了丰富的api。
不同于一些简陋的分词类库，hanlp精心优化了内部数据结构和io接口，做到了毫秒级的冷启动、千万字符每秒的处理速度，而内存最低仅需120mb。无论是移动设备还是大型集群，都能获得良好的体验。
不同于市面上的商业工具，hanlp提供训练模块，可以在用户的语料上训练模型并替换默认模型，以适应不同的领域。项目主页上提供了详细的文档，以及在一些开源语料上训练的模型。
hanlp希望兼顾学术界的精准与工业界的效率，在两者之间取一个平衡，真正将自然语言处理普及到生产环境中去。
我们使用的pyhanlp是用python包装了hanlp的java接口。
2. pyhanlp的安装和使用
2.1 python下安装pyhanlp
pip安装
|
1
|
sudo pip3 install pyhanlp |
第一次import pyhanlp会下载一个比较大的数据集，需要耐心等待下，后面再import就不会有了。
|
1
|
from pyhanlp import * |
详情请见pyhanlp官方文档
2.2 pyhanlp简单使用方法
分词使用
|
1
2
3
|
from pyhanlp import *print(hanlp.segment("今天开心了吗？"))>>> [今天/t, 开心/a, 了/ule, 吗/y, ？/w] |
依存分析使用
|
1
2
3
4
5
6
7
|
from pyhanlp import *print(hanlp.parsedependency("今天开心了吗？"))>>> 1 今天 今天 nt t _ 2 状中结构 _ _>>> 2 开心 开心 a a _ 0 核心关系 _ _>>> 3 了 了 e y _ 2 右附加关系 _ _>>> 4 吗 吗 e y _ 2 右附加关系 _ _>>> 5 ？ ？ wp w _ 2 标点符号 _ _ |
2.3 pyhanlp可视化
如果大家看不太清楚上面的输出，pyhanlp提供了一个很好的展示交付界面，只要一句命令就能启动一个web服务
|
1
|
hanlp serve |
登录http://localhost:8765就能看下可视化界面，能看到分词结果和依存关系的结果，是不是很直观。这个网页上还有安装说明、源码链接、文档链接、常见的问题（faq）。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/huangyc/p/10279247.html
