7.1.1. FoolNLTK¶
FoolNLTK中文处理工具包
7.1.1.1. 特点¶
可能不是最快的开源中文分词，但很可能是最准的开源中文分词
基于BiLSTM 模型训练而成
包含分词，词性标注，实体识别, 都有比较高的准确率
用户自定义词典
可训练自己的模型
批量处理
7.1.1.2. 定制自己的模型¶
get clone https://github.com/rockyzhengwu/FoolNLTK.git
cd FoolNLTK/train
详细训练步骤可参考文档
仅在 linux Python3 环境测试通过
7.1.1.3. 安装¶
pip install foolnltk
7.1.1.4. 使用说明¶
7.1.1.4.1. 分词¶
import fool
text = "一个傻子在北京"
print(fool.cut(text))
# ['一个', '傻子', '在', '北京']
命令行分词, 可指定-b参数，每次切割的行数能加快分词速度
python -m fool [filename]
7.1.1.4.2. 用户自定义词典¶
词典格式格式如下，词的权重越高，词的长度越长就越越可能出现, 权重值请大于 1
难受香菇 10
什么鬼 10
分词工具 10
北京 10
北京天安门 10
加载词典
import fool
fool.load_userdict(path)
text = ["我在北京天安门看你难受香菇", "我在北京晒太阳你在非洲看雪"]
print(fool.cut(text))
#[['我', '在', '北京', '天安门', '看', '你', '难受', '香菇'],
# ['我', '在', '北京', '晒太阳', '你', '在', '非洲', '看', '雪']]
删除词典
fool.delete_userdict();
7.1.1.4.3. 词性标注¶
import fool
text = ["一个傻子在北京"]
print(fool.pos_cut(text))
#[[('一个', 'm'), ('傻子', 'n'), ('在', 'p'), ('北京', 'ns')]]
7.1.1.4.4. 实体识别¶
import fool
text = ["一个傻子在北京","你好啊"]
words, ners = fool.analysis(text)
print(ners)
#[[(5, 8, 'location', '北京')]]
7.1.1.6. 注意¶
有找不到模型文件的, 可以看下
sys.prefix,一般默认为/usr/local/