欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

NLTK和Stanford NLP两个工具的安装配置

程序员文章站 2022-11-21 22:04:44
这里安装的是两个自然语言处理工具,NLTK和Stanford NLP。 声明:笔者操作系统是Windows10,理论上Windows都可以; 版本号:NLTK 3.2 Stanford NLP 3.6.0 JDK 1.8 重要文件在讲述过程中会以网盘链接给出,可随时下载。 注:笔者是通过Anacon ......

 

这里安装的是两个自然语言处理工具,nltk和stanford nlp。


声明:笔者操作系统是windows10,理论上windows都可以;

           版本号:nltk 3.2

                         stanford nlp 3.6.0

                         jdk 1.8

           重要文件在讲述过程中会以网盘链接给出,可随时下载。

注:笔者是通过anaconda安装的python,所以有关路径都与anaconda有关。 

 

一、 nltk的安装

1、检查python版本:nltk是python语言编写的,依托python来安装。当前通行的python版本是python3.5.2。笔者的python版本也是python3.5.2,为了防止不可预估的问题,建议大家都选择python3.5.2,日后再改也可以。
NLTK和Stanford NLP两个工具的安装配置

 

2、下载nltk安装文件,版本是nltk 3.2,网盘链接:https://pan.baidu.com/s/1fpxl36tgztrzmdq3pfxlcg
      下载后直接运行exe文件进行安装,会自动匹配到python安装路径,如果没有找到路径则说明nltk版本不正确,或者说python版本不正确。
3.  打开python编辑器,输入“import nltk”,再输入“nltk.download()”,下载nltk数据包,在下载界面选中book模块,这个模块包含了许多数据案例和内置函数。
     修改book下载目的路径建议如下:d:\developmenttools\anaconda3\nltk_data,也就是在anaconda下创建一个nltk_data的文件夹,将book下载目标路径放在此处即可,这样做便于管理和维护。如下如:
NLTK和Stanford NLP两个工具的安装配置

 


4、环境变量的配置:计算机→属性→高级系统设置→高级→环境变量-系统变量→path,在path中加入刚刚定的路径:d:\developmenttools\anaconda3\nltk_data
5、配置完成之后,打开python编辑器,输入from nltk.book import *,只要没有输出明显的错误,正确显示了相关信息,就表示nltk安装成功了,如下图:
NLTK和Stanford NLP两个工具的安装配置

 

 

 

二、stanford nlp工具的安装

1、版本检查:python版本依旧是python3.5.2,同时要确保安装的是java 8及以后版本(stanford nlp只支持java 8及以后的版本),也就是确定系统安装的jdk1.8及以上版本。笔者电脑安装的是jdk1.8.0_161。这里就不说jdk的安装了,自己百度下。    附上jdk1.8链接:https://pan.baidu.com/s/1rltriesuoecqvvshsns6aw
 
2、下载nltk-develop.zip,这个文件提供的nltk工具连接到stanford nlp工具的接口。网盘链接:
下载之后解压,然后把解压后的nltk-develop文件夹复制到python安装的主路径下,笔者是anaconda方式安装的python,所以就直接放在了anaconda3的主目录下,如下:
NLTK和Stanford NLP两个工具的安装配置

 

3、然后进入windows的cmd命令行

NLTK和Stanford NLP两个工具的安装配置

 

从命令进入到刚刚复制的路径下:d:\developmenttools\anaconda3\nltk-develop  ,然后输入python setup.py install,并执行  如下:

NLTK和Stanford NLP两个工具的安装配置

等待安装即可,由于笔者已经安装过了,就不展示安装后的信息了。

 

4、stanford nlp版本是3.6.0,所有文件可在网盘下载:https://pan.baidu.com/s/15y7gfy167cfljhvrurwmca
      笔者已经将所需的文件和jar包统一打包好了,下载下来的就是打包好的文件夹“stanfordnlp”,直接将此文件夹复制到anaconda3的目录下即可(理论上放到别的路径也可以,这个路径最终是要来设置环境变量,这里统一放在anaconda3目录下是为了更方便的统一管理和维护而已),如下:
 
NLTK和Stanford NLP两个工具的安装配置

 

 

5、下面就来开始设置刚刚“stanfordnlp”文件夹下各个文件的环境变量,环境变量都是在系统变量的classpath中来操作。

设置环境变量的目的是为了能随时快速的调用,设置环境变量之后,以后的所有调用都不需要传输绝对路径的参数了。

(1)stanfordsegmenter环境变量的设置

进入“stanfordnlp”文件夹,将stanford-segmenter.jar的绝对路径拷贝到classpath下,分别如下:

 NLTK和Stanford NLP两个工具的安装配置

NLTK和Stanford NLP两个工具的安装配置

注意,每一个不同路径之间要用分号分隔。

 

 

(2)slf4j-api.jar加入classpath环境变量。slf4j-api.jar是stanford-segmenter-2015-12-09.zip解压后含有的文件。

同理,将“stanfordnlp”中的slf4j-api.jar的绝对路径加入到classpath中去,如下:

NLTK和Stanford NLP两个工具的安装配置

 

 

(3)stanfordpostagger环境变量的设置

同理,进入“stanfordnlp”文件夹,将stanford-postagger.jar文件的绝对路径添加到classpath中,如下:

NLTK和Stanford NLP两个工具的安装配置

 

(4)stanfordnertagger环境变量的设置

同理,进入“stanfordnlp”文件夹,将stanford-ner.jar文件的绝对路径添加到classpath中,如下:

NLTK和Stanford NLP两个工具的安装配置

 

(5)将classifiers文件夹也添加入classpath环境变量。classifiers文件夹是从stanford-ner-2015-12-09.zip解压后含有的文件夹,直接复制提取的

 NLTK和Stanford NLP两个工具的安装配置

 

(6)将models文件夹添加入classpath环境变量。models文件夹是stanford-postagger-full-2015-12-09.zip解压后含有的文件夹。环境变量如下:

NLTK和Stanford NLP两个工具的安装配置

 

(7)stanfordparser环境变量的设置

同理,进入“stanfordnlp”文件夹,将stanford-parser.jar和stanford-parser-3.6.0-models.jar分别添加到classpath环境变量中去,分别如下:

NLTK和Stanford NLP两个工具的安装配置

 

 NLTK和Stanford NLP两个工具的安装配置

 

(8)stanfordneuraldependencyparser环境变量的设置

同上,进入“stanfordnlp”文件夹,分别将stanford-corenlp-3.6.0.jar和stanford-corenlp-3.6.0-models.jar添加入classpath环境变量,分别如下:

NLTK和Stanford NLP两个工具的安装配置

NLTK和Stanford NLP两个工具的安装配置

 

 三、测试

由于stanford nlp工具安装最繁琐,也最容易出问题,于是特别展示对stanford nlp的测试,所有简短的代码都是在python编辑器中执行的,其它地方也可:

代码如下:

路径:相应路径是笔者前面安装所使用的路径,结合更改为自己电脑的实际路径。只要按照上述步骤将所有环境变量配置了,那么,在所有函数的调用中,函数参数就不用再输入绝对路径了,只需要直接输入相应的文件名即可,函数运行时自会在环境变量的路径下来找该文件,找不到的话就会报错的。

1、分词
(1)中文分词
from nltk.tokenize.stanford_segmenter import stanfordsegmenter
segmenter = stanfordsegmenter(
  path_to_sihan_corpora_dict="d:\developmenttools\anaconda3\stanfordnlp\data\",   path_to_model="d:\developmenttools\anaconda3\stanfordnlp\data\pku.gz",   path_to_dict="d:\developmenttools\anaconda3\stanfordnlp\data\dict-chris6.ser.gz")
str="我在博客园开了一个博客,我的博客名字叫钝学累功。"
result = segmenter.segment(str)
==>运行有错误,未解决
(2)英文分词
from nltk.tokenize import stanfordtokenizer
tokenizer=stanfordtokenizer()
sent="good muffins cost $3.88\nin new york. please buy me\ntwo of them.\nthanks."
print(tokenizer.tokenize(sent))
2、命名实体识别
(1)英文命名实体识别
from nltk.tag import stanfordnertagger
eng_tagger=stanfordnertagger(model_filename=r'd:\developmenttools\anaconda3\stanfordnlp\classifiers\english.all.3class.distsim.crf.ser.gz')
print(eng_tagger.tag('rami eid is studying at stony * university in ny'.split()))
(2)中文命名实体识别

3、词性标注
(1)英文词性标注
from nltk.tag import stanfordpostagger
eng_tagger=stanfordpostagger(model_filename=r'd:\developmenttools\anaconda3\stanfordnlp\models\english-bidirectional-distsim.tagger')
print(eng_tagger.tag('what is the airspeed of an unladen swallow ?'.split()))

(2)中文词性标注
from nltk.tag import stanfordpostagger
chi_tagger=stanfordpostagger(model_filename=r'chinese-distsim.tagger')
result="四川省 成都 信息 工程 大学 我 在 博客 园 开 了 一个 博客 , 我 的 博客 名叫 钝学累功 。 \r\n"
print(chi_tagger.tag(result.split()))

4、句法分析
(1)英文句法分析
from nltk.parse.stanford import stanfordparser
eng_parser=stanfordparser()
print(list(eng_parser.parse("the quick brown for jumps over the lazy dog".split())))
(2)中文句法分析
from nltk.parse.stanford import stanfordparser
chi_parser=stanfordparser()
sent=u'北海 已 成为 中国 对外开放 中 升起 的 一 颗 明星'
print(list(chi_parser.parse(sent.split())))
 
5、依存句法分析
(1)英文依存句法分析
from nltk.parse.stanford import stanforddependencyparser
eng_parser=stanforddependencyparser()
res=list(eng_parser.parse("the quick brown fox jumps over the lazy dog".split()))
for row in res[0].triples():
    print(row)
(2)中文依存句法分析
from nltk.parse.stanford import stanforddependencyparser
chi_parser=stanforddependencyparser()
res=list(chi_parser.parse(u'四川 已 成为 中国 西部 对外开放 中 升起 的 一 颗 明星'.split()))
for row in res[0].triples():
     print(row)

 

 

 

总结,环境变量的设置总的来说是*的,但是要设置的便于自己识别和 维护,笔者只是提供了自己的设置方案。只要能正常运行上述测试代码,就表示stanford nlp和nltk安装成功了,之后开发可以结合两个工具一起使用。。。

 

参考链接:https://www.jianshu.com/p/4b3c7e7578e6