斯坦福大学帕尔斯和NLTK
是否可以在NLTK中使用Stanford Parser? (我不是在谈论斯坦福POS。)
EDITED
从NLTK版本3.1起,此答案的说明将不再起作用。 请按照https://github.com/nltk/nltk/wiki/Installing-Third-Party-Software上的说明进行操作
这个答案在Stackoverflow上保留用于遗留目的。 虽然答案对NLTK v3.0有效。
原始答复
当然,在Python中尝试以下内容:
import os
from nltk.parse import stanford
os.environ['STANFORD_PARSER'] = '/path/to/standford/jars'
os.environ['STANFORD_MODELS'] = '/path/to/standford/jars'
parser = stanford.StanfordParser(model_path="/location/of/the/englishPCFG.ser.gz")
sentences = parser.raw_parse_sents(("Hello, My name is Melroy.", "What is your name?"))
print sentences
# GUI
for line in sentences:
for sentence in line:
sentence.draw()
输出:
[Tree('S',[Tree('INTJ',[Tree('UH',['Hello']))),Tree(',',[',']),树('NP',[Tree('PRP $',['My']),树('NN',['name'])]),树('VP',[Tree('VBZ',[ '')),Tree('ADJP',[Tree('JJ',['Melroy'))])]),Tree('。',['。'])])]),Tree('树'''树'('树'('''')'树'('树' ]),Tree('NP',[Tree('PRP $',['your']),Tree('NN',['name'])])]),Tree('。',['? “])])])]
注1:在这个例子中,解析器和模型罐都在同一个文件夹中。
笔记2:
注3:englishPCFG.ser.gz文件可以在models.jar文件(/edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz) 内被发现。 请使用come archive manager来“解压缩”models.jar文件。
注4:请确保您使用的Java JRE(Runtime Environment) 1.8也称为Oracle JDK 8.否则,您将获得:不受支持的major.minor版本52.0。
安装
从https://github.com/nltk/nltk下载NLTK v3。 并安装NLTK:
sudo python setup.py安装
您可以使用NLTK下载程序使用Python获取斯坦福分析器:
import nltk
nltk.download()
试试我的例子! (不要忘记更改jar路径并将模型路径更改为ser.gz位置)
要么:
下载并安装NLTK v3,与上述相同。
从( 当前版本的文件名是stanford-parser-full-2015-01-29.zip)下载最新版本:http://nlp.stanford.edu/software/lex-parser.shtml#Download
提取standford-parser-full-20xx-xx-xx.zip。
创建一个新文件夹(在我的例子中是'jars')。 将提取的文件放入此jar文件夹:stanford-parser-3.xx-models.jar和stanford-parser.jar。
如上所示,您可以使用环境变量(STANFORD_PARSER和STANFORD_MODELS)指向此'jars'文件夹。 我使用的是Linux,所以如果您使用Windows,请使用类似于:C://文件夹// jar。
使用Archive manager(7zip)打开stanford-parser-3.xx-models.jar。
浏览jar文件里面; 埃杜/斯坦福/ NLP /模型/ lexparser。 再次提取名为“englishPCFG.ser.gz”的文件。 记住你提取这个ser.gz文件的位置。
创建StanfordParser实例时,可以提供模型路径作为参数。 这是模型的完整路径,在我们的例子/location/of/englishPCFG.ser.gz中。
试试我的例子! (不要忘记更改jar路径并将模型路径更改为ser.gz位置)
EDITED
注意:以下答案只适用于:
由于这两种工具的变化速度相当快,3-6个月后API可能会大不相同。 请把下面的答案当作暂时的,而不是永恒的解决方案。
请务必参考https://github.com/nltk/nltk/wiki/Installing-Third-Party-Software获取有关如何使用NLTK连接斯坦福NLP工具的最新指令!
TL; DR
cd $HOME
# Update / Install NLTK
pip install -U nltk
# Download the Stanford NLP tools
wget http://nlp.stanford.edu/software/stanford-ner-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-postagger-full-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-parser-full-2015-04-20.zip
# Extract the zip file.
unzip stanford-ner-2015-04-20.zip
unzip stanford-parser-full-2015-04-20.zip
unzip stanford-postagger-full-2015-04-20.zip
export STANFORDTOOLSDIR=$HOME
export CLASSPATH=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/stanford-postagger.jar:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/stanford-ner.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar
export STANFORD_MODELS=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/models:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/classifiers
然后:
>>> from nltk.tag.stanford import StanfordPOSTagger
>>> st = StanfordPOSTagger('english-bidirectional-distsim.tagger')
>>> st.tag('What is the airspeed of an unladen swallow ?'.split())
[(u'What', u'WP'), (u'is', u'VBZ'), (u'the', u'DT'), (u'airspeed', u'NN'), (u'of', u'IN'), (u'an', u'DT'), (u'unladen', u'JJ'), (u'swallow', u'VB'), (u'?', u'.')]
>>> from nltk.tag import StanfordNERTagger
>>> st = StanfordNERTagger('english.all.3class.distsim.crf.ser.gz')
>>> st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
[(u'Rami', u'PERSON'), (u'Eid', u'PERSON'), (u'is', u'O'), (u'studying', u'O'), (u'at', u'O'), (u'Stony', u'ORGANIZATION'), (u'Brook', u'ORGANIZATION'), (u'University', u'ORGANIZATION'), (u'in', u'O'), (u'NY', u'O')]
>>> from nltk.parse.stanford import StanfordParser
>>> parser=StanfordParser(model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz")
>>> list(parser.raw_parse("the quick brown fox jumps over the lazy dog"))
[Tree('ROOT', [Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['quick']), Tree('JJ', ['brown']), Tree('NN', ['fox'])]), Tree('NP', [Tree('NP', [Tree('NNS', ['jumps'])]), Tree('PP', [Tree('IN', ['over']), Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['lazy']), Tree('NN', ['dog'])])])])])])]
>>> from nltk.parse.stanford import StanfordDependencyParser
>>> dep_parser=StanfordDependencyParser(model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz")
>>> print [parse.tree() for parse in dep_parser.raw_parse("The quick brown fox jumps over the lazy dog.")]
[Tree('jumps', [Tree('fox', ['The', 'quick', 'brown']), Tree('dog', ['over', 'the', 'lazy'])])]
长:
首先 ,必须注意的是,斯坦福大学的NLP工具是用Java编写的,而NLTK是用Python编写的 。 NLTK与该工具交互的方式是通过命令行界面调用Java工具。
其次 ,从3.1版本开始,斯坦福NLP工具的NLTK
API发生了很大变化。 所以建议将您的NLTK软件包更新到v3.1。
第三 ,斯坦福NLP工具的NLTK
API NLTK
了单个NLP工具,例如斯坦福POS机器人,斯坦福NER Tagger机器人,斯坦福Parser机器人。
对于POS和NER标记器,它不会环绕斯坦福核心NLP软件包 。
对于斯坦福分析器来说,这是一个特殊情况,它包含了斯坦福分析器和斯坦福大学核心NLP(我个人并没有使用后者使用NLTK,我宁愿按照@ dimazest在http://www.eecs上的演示。 qmul.ac.uk/~dm303/stanford-dependency-parser-nltk-and-anaconda.html)
请注意,从NLTK v3.1开始, STANFORD_JAR
和STANFORD_PARSER
变量将被弃用且不再使用
更长时间:
步骤1
假设您已在您的操作系统上正确安装了Java。
现在,安装/更新您的NLTK版本(请参阅http://www.nltk.org/install.html):
sudo pip install -U nltk
sudo apt-get install python-nltk
对于Windows (使用32位二进制安装):
( 为什么不是64位?见https://github.com/nltk/nltk/issues/1079)
然后出于偏执狂,在Python中重新检查你的nltk
版本:
from __future__ import print_function
import nltk
print(nltk.__version__)
或者在命令行上:
python3 -c "import nltk; print(nltk.__version__)"
确保你看到3.1
作为输出。
为了更加偏执狂,请检查您所喜爱的斯坦福NLP工具API是否可用:
from nltk.parse.stanford import StanfordParser
from nltk.parse.stanford import StanfordDependencyParser
from nltk.parse.stanford import StanfordNeuralDependencyParser
from nltk.tag.stanford import StanfordPOSTagger, StanfordNERTagger
from nltk.tokenize.stanford import StanfordTokenizer
( 注 :以上的进口量仅能确保您使用的是含有这些API正确NLTK版本没有看到在导入错误并不意味着你已经成功配置了NLTK API使用斯坦福工具)
第2步
现在您已经检查了您是否拥有包含必要的Stanford NLP工具界面的NLTK的正确版本。 您需要下载并提取所有必需的斯坦福NLP工具。
TL; DR ,在Unix中:
cd $HOME
# Download the Stanford NLP tools
wget http://nlp.stanford.edu/software/stanford-ner-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-postagger-full-2015-04-20.zip
wget http://nlp.stanford.edu/software/stanford-parser-full-2015-04-20.zip
# Extract the zip file.
unzip stanford-ner-2015-04-20.zip
unzip stanford-parser-full-2015-04-20.zip
unzip stanford-postagger-full-2015-04-20.zip
在Windows / Mac中:
第3步
设置环境变量,使NLTK可以自动找到相关的文件路径。 您必须设置以下变量:
将适当的Stanford NLP .jar
文件添加到CLASSPATH
环境变量。
stanford-ner-2015-04-20/stanford-ner.jar
stanford-postagger-full-2015-04-20/stanford-postagger.jar
stanford-parser-full-2015-04-20/stanford-parser.jar
和解析器模型jar文件, stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar
将适当的模型目录添加到STANFORD_MODELS
变量(即,您可以找到保存预先训练模型的目录)
stanford-ner-2015-04-20/classifiers/
stanford-postagger-full-2015-04-20/models/
在代码中,请参阅它在追加模型名称之前搜索STANFORD_MODELS
目录。 另请参阅,API也会自动尝试在OS环境中搜索CLASSPATH)
请注意,从NLTK v3.1起, STANFORD_JAR
变量将被弃用且不再使用 。 在以下Stackoverflow问题中找到的代码片段可能无法正常工作:
TL;在Ubuntu上用于STEP 3的DR
export STANFORDTOOLSDIR=/home/path/to/stanford/tools/
export CLASSPATH=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/stanford-postagger.jar:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/stanford-ner.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser.jar:$STANFORDTOOLSDIR/stanford-parser-full-2015-04-20/stanford-parser-3.5.2-models.jar
export STANFORD_MODELS=$STANFORDTOOLSDIR/stanford-postagger-full-2015-04-20/models:$STANFORDTOOLSDIR/stanford-ner-2015-04-20/classifiers
( 对于Windows :有关设置环境变量的说明,请参阅https://stackoverflow.com/a/17176423/610569)
在启动python之前,你必须像上面那样设置变量,然后:
>>> from nltk.tag.stanford import StanfordPOSTagger
>>> st = StanfordPOSTagger('english-bidirectional-distsim.tagger')
>>> st.tag('What is the airspeed of an unladen swallow ?'.split())
[(u'What', u'WP'), (u'is', u'VBZ'), (u'the', u'DT'), (u'airspeed', u'NN'), (u'of', u'IN'), (u'an', u'DT'), (u'unladen', u'JJ'), (u'swallow', u'VB'), (u'?', u'.')]
>>> from nltk.tag import StanfordNERTagger
>>> st = StanfordNERTagger('english.all.3class.distsim.crf.ser.gz')
>>> st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
[(u'Rami', u'PERSON'), (u'Eid', u'PERSON'), (u'is', u'O'), (u'studying', u'O'), (u'at', u'O'), (u'Stony', u'ORGANIZATION'), (u'Brook', u'ORGANIZATION'), (u'University', u'ORGANIZATION'), (u'in', u'O'), (u'NY', u'O')]
>>> from nltk.parse.stanford import StanfordParser
>>> parser=StanfordParser(model_path="edu/stanford/nlp/models/lexparser/englishPCFG.ser.gz")
>>> list(parser.raw_parse("the quick brown fox jumps over the lazy dog"))
[Tree('ROOT', [Tree('NP', [Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['quick']), Tree('JJ', ['brown']), Tree('NN', ['fox'])]), Tree('NP', [Tree('NP', [Tree('NNS', ['jumps'])]), Tree('PP', [Tree('IN', ['over']), Tree('NP', [Tree('DT', ['the']), Tree('JJ', ['lazy']), Tree('NN', ['dog'])])])])])])]
或者,您可以尝试在Python中添加环境变量,如前面的答案所建议的那样,但您也可以直接告诉解析器/标记器将其初始化为保存.jar
文件和模型的直接路径。
有没有必要,如果你用下面的方法, 但是当API改变其参数名称,则需要相应地更改设置环境变量。 这就是为什么设置环境变量比修改Python代码以适应NLTK版本更可取的原因。
例如( 不设置任何环境变量 ):
# POS tagging:
from nltk.tag import StanfordPOSTagger
stanford_pos_dir = '/home/alvas/stanford-postagger-full-2015-04-20/'
eng_model_filename= stanford_pos_dir + 'models/english-left3words-distsim.tagger'
my_path_to_jar= stanford_pos_dir + 'stanford-postagger.jar'
st = StanfordPOSTagger(model_filename=eng_model_filename, path_to_jar=my_path_to_jar)
st.tag('What is the airspeed of an unladen swallow ?'.split())
# NER Tagging:
from nltk.tag import StanfordNERTagger
stanford_ner_dir = '/home/alvas/stanford-ner/'
eng_model_filename= stanford_ner_dir + 'classifiers/english.all.3class.distsim.crf.ser.gz'
my_path_to_jar= stanford_ner_dir + 'stanford-ner.jar'
st = StanfordNERTagger(model_filename=eng_model_filename, path_to_jar=my_path_to_jar)
st.tag('Rami Eid is studying at Stony Brook University in NY'.split())
# Parsing:
from nltk.parse.stanford import StanfordParser
stanford_parser_dir = '/home/alvas/stanford-parser/'
eng_model_path = stanford_parser_dir + "edu/stanford/nlp/models/lexparser/englishRNN.ser.gz"
my_path_to_models_jar = stanford_parser_dir + "stanford-parser-3.5.2-models.jar"
my_path_to_jar = stanford_parser_dir + "stanford-parser.jar"
parser=StanfordParser(model_path=eng_model_path, path_to_models_jar=my_path_to_models_jar, path_to_jar=my_path_to_jar)
编辑
截至目前的斯坦福分析器(2015-04-20), lexparser.sh
的默认输出已更改,因此以下脚本将无法使用。
但是这个答案是为了遗留的缘故,但它仍然可以与http://nlp.stanford.edu/software/stanford-parser-2012-11-12.zip协同工作。
原始答复
我建议你不要惹Jython,JPype。 让python做python的东西,让java做java的东西,通过控制台获得Stanford Parser输出。
你已经在你的home目录中安装斯坦福分析器之后~/
,只需使用这条巨蟒的配方,以获得平坦的括号内的解析:
import os
sentence = "this is a foo bar i want to parse."
os.popen("echo '"+sentence+"' > ~/stanfordtemp.txt")
parser_out = os.popen("~/stanford-parser-2012-11-12/lexparser.sh ~/stanfordtemp.txt").readlines()
bracketed_parse = " ".join( [i.strip() for i in parser_out if i.strip()[0] == "("] )
print bracketed_parse
链接地址: http://www.djcxy.com/p/91727.html
下一篇: How to extract numbers (along with comparison adjectives or ranges)