Nltk: Ajude-me, por favor! integração nltk e nlp standford

Criado em 6 jul. 2018 · 3Comentários · Fonte: nltk/nltk

Houve um problema que me deixou confuso quando usei a integração nltk e nlp standford.
Meus ambientes de desenvolvimento como este:

nltk 3.3
standford nlp stanford-segmenter 3.6.0 / 3.9.1
E tento criar um objeto StanfordSegmenter como este:
standfordNlpPath = self.projectPath + "\ standford-nlp \ stanford-segmenter-2015-12-09"
stanfordSegmenter = StanfordSegmenter (
path_to_jar = standfordNlpPath + "\ stanford-segmenter-3.6.0.jar",
path_to_slf4j = standfordNlpPath + "\ slf4j-api.jar",
path_to_sihan_corpora_dict = standfordNlpPath + "\ data-2015",
path_to_model = standfordNlpPath + "\ data-2015 \ pku.gz",
path_to_dict = standfordNlpPath + "\ data-2015 \ dict-chris6.ser.gz")
então o fracasso como este como resultado:
======================================================== ===========================
O NLTK não conseguiu localizar stanford-segmenter.jar! Defina o CLASSPATH
variável de ambiente.
Para obter mais informações, em stanford-segmenter.jar, consulte:

https://nlp.stanford.edu/software

Todos os tipos de jarros existem exatamente lá, tenho certeza, há algo de errado com o meu caminho ou com os parâmetros que coloquei na classe do StanfordSegmenter? O exemplo foi bastante fácil o que eu encontrei no documento nltk 3.3, eles apenas colocaram em um parâmetro que "path_to_slf4j".
Então, alguém, me ajude :-(!

resolved stanford api

Fonte

libingnan54321

Comentários muito úteis

Use a nova interface CoreNLPParser .

Primeiro atualize seu NLTK:

pip3 install -U nltk

Ainda no terminal:

# Get the CoreNLP package
wget http://nlp.stanford.edu/software/stanford-corenlp-full-2018-02-27.zip
unzip stanford-corenlp-full-2018-02-27.zip
cd stanford-corenlp-full-2018-02-27/

# Download the properties for chinese language
wget http://nlp.stanford.edu/software/stanford-chinese-corenlp-2018-02-27-models.jar 
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-chinese.properties 

# Download the properties for arabic
wget http://nlp.stanford.edu/software/stanford-arabic-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-arabic.properties

Para chinês:

# Start the server.
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-chinese.properties \
-preload tokenize,ssplit,pos,lemma,ner,parse \
-status_port 9001  -port 9001 -timeout 15000 &

Então, em Python3:

>>> from nltk.parse import CoreNLPParser
>>> parser = CoreNLPParser('http://localhost:9001')
>>> list(parser.tokenize(u'我家没有电脑。'))
['我家', '没有', '电脑', '。']

Para árabe:

# Start the server.
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-arabic.properties \
-preload tokenize,ssplit,pos,parse \
-status_port 9005  -port 9005 -timeout 15000

Finalmente, inicie o Python:

>>> from nltk.parse import CoreNLPParser
>>> parser = CoreNLPParser(url='http://localhost:9005')
>>> text = u'انا حامل'
>>> parser.tokenize(text)
<generator object GenericCoreNLPParser.tokenize at 0x7f4a26181bf8>
>>> list(parser.tokenize(text))
['انا', 'حامل']

alvations em 23 ago. 2018

❤3

Todos 3 comentários

@ libingnan54321 por que você não está usando a versão 3.9.1 mais recente?

Você pode tentar este primeiro e fornecer o resultado?

segmenter_jar_file = os.path.join(standfordNlpPath,'stanford-segmenter-2018-02-27/stanford-segmenter-3.9.1.jar')
assert(os.path.isfile(segmenter_jar_file))
stanfordSegmenter = StanfordSegmenter(
    path_to_jar=segmenter_jar_file,
)

Demetrio92 em 9 jul. 2018

Use a nova interface CoreNLPParser .

Primeiro atualize seu NLTK:

pip3 install -U nltk

Ainda no terminal:

# Get the CoreNLP package
wget http://nlp.stanford.edu/software/stanford-corenlp-full-2018-02-27.zip
unzip stanford-corenlp-full-2018-02-27.zip
cd stanford-corenlp-full-2018-02-27/

# Download the properties for chinese language
wget http://nlp.stanford.edu/software/stanford-chinese-corenlp-2018-02-27-models.jar 
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-chinese.properties 

# Download the properties for arabic
wget http://nlp.stanford.edu/software/stanford-arabic-corenlp-2018-02-27-models.jar
wget https://raw.githubusercontent.com/stanfordnlp/CoreNLP/master/src/edu/stanford/nlp/pipeline/StanfordCoreNLP-arabic.properties

Para chinês:

# Start the server.
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-chinese.properties \
-preload tokenize,ssplit,pos,lemma,ner,parse \
-status_port 9001  -port 9001 -timeout 15000 &

Então, em Python3:

>>> from nltk.parse import CoreNLPParser
>>> parser = CoreNLPParser('http://localhost:9001')
>>> list(parser.tokenize(u'我家没有电脑。'))
['我家', '没有', '电脑', '。']

Para árabe:

# Start the server.
java -Xmx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-serverProperties StanfordCoreNLP-arabic.properties \
-preload tokenize,ssplit,pos,parse \
-status_port 9005  -port 9005 -timeout 15000

Finalmente, inicie o Python:

>>> from nltk.parse import CoreNLPParser
>>> parser = CoreNLPParser(url='http://localhost:9005')
>>> text = u'انا حامل'
>>> parser.tokenize(text)
<generator object GenericCoreNLPParser.tokenize at 0x7f4a26181bf8>
>>> list(parser.tokenize(text))
['انا', 'حامل']

alvations em 23 ago. 2018

❤3

Fechando o problema como resolvido por enquanto =)
Abra se houver mais problemas.

alvations em 23 ago. 2018

Esta página foi útil?

0 / 5 - 0 avaliações