天然語言處理工具python調用hanlp中文實體識別

 

Hanlp做爲一款重要的中文分詞工具，在GitHub的用戶量已經很是之高，應該能夠看得出來你們對於hanlp這款分詞工具仍是很承認的。本篇繼續分享一篇關於hanlp的使用實例即Python調用hanlp進行中文實體識別。

想要在python中調用hanlp進行中文實體識別，Ubuntu 16.04的系統環境

1.安裝jpype1，在cmd窗口輸入

pip install jpype1

2.下載hanlp的安裝包

在https://github.com/hankcs/HanLP/releases 

（1）下載新的 hanlp-1.7.1-release.zip文件，裏面包含hanlp-1.7.1.jar , hanlp-1.7.1-sources.jar , hanlp.properties

（2）點擊data-for-1.7.1.zip下載。（底下第8條）

 

 

注：若是你在http://hanlp.linrunsoft.com/services.html點擊下載hanlp.jar，下載下來的是hanlp-1.2.8.jar。以後在使用過程當中可能會出現「字符類型對應表加載失敗」的錯誤，查看相應路徑下也沒有CharType.dat.yes文件。緣由多是hanlp-1.2.8版本太低，使用新版本應該不會出現這個問題。

 

 

3.新建一個文件夾Hanlp，放文件hanlp-1.7.1.jar和hanlp.properties文件

新建一個文件夾hanlp，放data-for-1.7.1.zip解壓後的文件

配置hanlp.properties中的第一行的root爲hanlp文件夾的位置，也就是data-for-1.7.1.zip解壓後的文件放的位置。

4.寫py文件調用hanlp進行中文分析。

用法可參考這個博客  blog.csdn.net/u011961856/article/details/77167546。

另，查看HanLP關於實體識別的文檔http://hanlp.linrunsoft.com/doc.html

裏面介紹說中文人名標註爲「nr」，地名標註爲「ns」，機構名標註爲「nt」，因此使用用法參考連接裏的NLPTokenizer.segment就能夠標註出中文句子中的人名，地名和機構名。

比較使用jieba進行詞性標註時，也能夠標註出中文句子中的人名，地名和機構名。jieba分詞的詞性說明：