0
点赞
收藏
分享

微信扫一扫

NLP工具包安装配置(附一键下载requirements.txt)


NLP工具包安装配置

  • ​​pip镜像地址​​
  • ​​numpy​​
  • ​​NLTK​​
  • ​​Gensim​​
  • ​​Tensorflow​​
  • ​​jieba​​
  • ​​Stanford NLP​​
  • ​​Hanlp​​
  • ​​简介​​
  • ​​JVM环境安装​​
  • ​​Hanlp安装​​
  • ​​常出现错误情况​​

​​一键安装地址​​ pip install -r requirements.txt

​​进入虚拟环境​​

pip镜像地址

​-i https://pypi.tuna.tsinghua.edu.cn/simple​

numpy

numpy用于矩阵运算

pip install numpy

NLTK

NLTK是自然语言工具处理包

pip installnltk

Gensim

Gensim:用于自动提取语义主题

  1. ​pip install gensim​
  2. 下载whl文件:​​http://www.lfd.uci.edu/~gohlke/pythonlibs/​​,再pip install whl的文件;

Tensorflow

Tensorflow:采用数据流图用于数值计算的开源软件库;

pip install tensorflow
pip install tf-nightly-gpu/cpu

jieba

jieba:中文分词库,有三种分词模式,可加入自定义字典;

pip install jieba

Stanford NLP

Stanford NLP:

  1. 安装stanford nlp自然语言处理包:
    ​​​pip install stanfordcorenlp​
  2. 下载Stanford CoreNLP文件
    ​​​ https://stanfordnlp.github.io/CoreNLP/download.html​​
  3. 下载中文模型jar包:
    ​​​ http://nlp.stanford.edu/software/stanford-chinese-corenlp-2018-02-27-models.jar​​
  4. 把加压后的Stanford CoreNLP文件夹和下载的stanford-chinese-corenlp-2018-02-27-models.jar放在同一目录下
  5. 在Python中引用模型:

from stanfordcorenlp import StanfordCoreNLP
nlp = StanfordCoreNLP(r‘path', lang='zh')

Hanlp

简介

Hanlp:中文分词,词性标注,命名实体识别(基于C++或java)
Hanlp主要由三部分组成:类库hanlp.jar包、模型data包、配置文件hanlp.properties,在JVM测试完成后,我们需要对其进行相关配置。
github网址:https://github.com/hankcs/HanLP#3%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6

JVM环境安装

  1. 首先安装Java的版本,我使用的java版本是jdk1.8;
  2. 接着安装Jpype,Jpype是通过python来调用java代码的一个工具包
    ​pip install Jpype​
  3. 在py环境下测试JVM是否可以正常启动:

from jpype import *
import os.path
startJVM(getDefaultJVMPath(),"-ea")
java.lang.System.out.printin("Hello World")
shutdownJVM()

Hanlp安装

Hanlp由三部分组成:类库hanlp.jar包、模型data包、配置文件hanlp.properties;

  1. 下载hanlp.jar包:
    ​​​ https://github.com/hankcs/HanLP​​
  2. 下载data.zip:https://github.com/hankcs/HanLP/releases

​​http://hanlp.linrunsoft.com/release/data-for-1.7.0.zip​​

  1. 配置文件

配置hanlp的属性文件:hanlp.properties,配置文件的作用是告诉Hanlp数据包Data的位置,只需修改第一行:
​​​root=usr/home/HanLP/​

配置完成后,接下来我们需要将HanLP.properties放入classpath,所谓放入classpath,实质上是JVM启动时会在classpath下查找class和properties,这句话就是在指定classpath:
​​​"-Djava.class.path=E:\NLP\hanlp\hanlp-1.5.0.jar;E:\NLP\hanlp"​

常出现错误情况

  1. ​Class com.hankcs.hanlp.HanLP not found​​ 原因还是在于startJVM的设置,务必要检查两个方面:第一是路径放对了吗?第二是版本号对上了吗?(路径在放的时候注意最好用英文)
  2. ​unicodeescape' codec can't decode bytes​​​ 这个错误的原因就是转义,将之前路径的字符串前加上r’转义即可。
    测试代码:

import jpype
from jpype import *
jvmPath = jpype.getDefaultJVMPath()
jpype.startJVM(jvmPath,r"-Djava.class.path=E:\NLP\hanlp\hanlp-1.5.0.jar;E:\NLP\hanlp",
"-Xms1g",
"-Xmx1g")
jpype.java.lang.System.out.println("hello world!")
HanLP = JClass('com.hankcs.hanlp.HanLP')
java.lang.System.out.println(HanLP.segment("你好,欢迎使用HanLP汉语处理包!"));
jpype.shutdownJVM()


举报

相关推荐

0 条评论