pyltp安裝、分詞、詞性標註、語義依存分析,戳這。
利用pyltp做語義角色標註,直接上**。
from pyltp import segmentor, postagger, parser, namedentityrecognizer, sentencesplitter , sementicrolelabeller
#模型存放路徑
modeldir = 'your models path'
print("正在載入ltp模型... ...")
segmentor = segmentor()
segmentor.load(os.path.join(modeldir, "cws.model"))
postagger = postagger()
postagger.load(os.path.join(modeldir, "pos.model"))
parser = parser()
parser.load(os.path.join(modeldir, "parser.model"))
recognizer = namedentityrecognizer()
recognizer.load(os.path.join(modeldir, "ner.model"))
rolelabel = sementicrolelabeller()
rolelabel.load(os.path.join(modeldir, "pisrl.model"))
print('ltp模型載入完成')
sentence = '''原告向本院提出訴訟請求:判決原告與漆永強父親漆潤平在2023年4月20日至2023年11月16日期間不存在事實勞動關係'''
words = segmentor.segment(sentence)
postags = postagger.postag(words)
arcs = parser.parse(words, postags)
roles = rolelabel.label(words,postags,arcs)
for role in roles:
print(role.index, "".join(
["%s:(%d,%d)" % (arg.name, arg.range.start, arg.range.end) for arg in role.arguments]))
pyltp可以自定義詞典做分詞。
**如下:
from pyltp import segmentor
#模型存放路徑
modeldir = 'your models path'
segmentor = segmentor()
segmentor.load_with_lexicon(os.path.join(modeldir, "cws.model"),
os.path.join(modeldir, "lexicon"))
高德地圖
超神融創中國
二十 語義角色標註的基本方法
淺層語義標註是行之有效的語言分析方法,基於語義角色的淺層分析方法可以描述句子中語義角色之間的關係,是語義分析的重要方法,也是篇章分析的基礎,本節介紹基於機器學習的語義角色標註方法 舉個栗子 我昨天吃了一塊肉 按照常規理解 我吃肉 應該是句子的核心,但是對於機器來說 我吃肉 實際上已經丟失了非常多的重...
訊息佇列的消費語義和投遞語義
所謂的消費語義,指的就是如下三種情況 其實類似還有乙個投遞語義 說句實在話,其實還是老問題,只是換了一種問法!ok,開始我們的正文 我們先做如下約定 我們先從投遞語義開始講起,因為要先把這個概念講明白了,才能講消費語義。恰巧,kafka實現了這三種語義,我們以kafka來說明。如何保證訊息最多投遞一...
OSQL 的引數和基本用法
3 echo.creating database.4 osql u 2 p 3 d 1 5 osql createtables.sql 6 echo.completed 7 goto eof 8 usage 9 echo.10 echo.usage setup db name username pa...