斯坦福nlp for python

作者: 不见你
发布时间: 2025-03-02 04:49:09 (7天前)
转自：

7 条回复

0#
回复此人
google你他吗 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 我建议使用TextBlob库。示例实现如下： </p> <pre> <code> from textblob import TextBlob def sentiment(message): # create TextBlob object of passed tweet text analysis = TextBlob(message) # set sentiment return (analysis.sentiment.polarity) </code> </pre> </DIV>

编辑
1#
回复此人
啊这回彻底死了 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <H2> 使用stanfordcore-nlp python库 </H2> <P> stanford-corenlp在stanfordcore-nlp之上是一个非常好的包装器，可以在python中使用它。 </p> <P> <code> wget http://nlp.stanford.edu/software/stanford-corenlp-full-2018-10-05.zip </code> </p> <H2> 用法 </H2> <pre> <code> # Simple usage from stanfordcorenlp import StanfordCoreNLP nlp = StanfordCoreNLP('/Users/name/stanford-corenlp-full-2018-10-05') sentence = 'Guangdong University of Foreign Studies is located in Guangzhou.' print('Tokenize:', nlp.word_tokenize(sentence)) print('Part of Speech:', nlp.pos_tag(sentence)) print('Named Entities:', nlp.ner(sentence)) print('Constituency Parsing:', nlp.parse(sentence)) print('Dependency Parsing:', nlp.dependency_parse(sentence)) nlp.close() # Do not forget to close! The backend server will consume a lot memory. </code> </pre> <P> <a href="https://github.com/Lynten/stanford-corenlp" rel="nofollow noreferrer"> 更多信息 </A> </p> </DIV>

编辑
2#
回复此人
Fire ming | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 我也遇到过类似的情况。我的大部分项目都是Python，情感部分是Java。幸运的是，如何使用stanford CoreNLP jar非常容易。 </p> <P> 这是我的一个脚本，您可以下载jar并运行它。 </p> <pre> <code> import java.util.List; import java.util.Properties; import edu.stanford.nlp.ling.CoreAnnotations; import edu.stanford.nlp.neural.rnn.RNNCoreAnnotations; import edu.stanford.nlp.pipeline.Annotation; import edu.stanford.nlp.pipeline.StanfordCoreNLP; import edu.stanford.nlp.sentiment.SentimentCoreAnnotations.SentimentAnnotatedTree; import edu.stanford.nlp.trees.Tree; import edu.stanford.nlp.util.ArrayCoreMap; import edu.stanford.nlp.util.CoreMap; public class Simple_NLP { static StanfordCoreNLP pipeline; public static void init() { Properties props = new Properties(); props.setProperty("annotators", "tokenize, ssplit, parse, sentiment"); pipeline = new StanfordCoreNLP(props); } public static String findSentiment(String tweet) { String SentiReturn = ""; String[] SentiClass ={"very negative", "negative", "neutral", "positive", "very positive"}; //Sentiment is an integer, ranging from 0 to 4. //0 is very negative, 1 negative, 2 neutral, 3 positive and 4 very positive. int sentiment = 2; if (tweet != null && tweet.length() > 0) { Annotation annotation = pipeline.process(tweet); List<CoreMap> sentences = annotation.get(CoreAnnotations.SentencesAnnotation.class); if (sentences != null && sentences.size() > 0) { ArrayCoreMap sentence = (ArrayCoreMap) sentences.get(0); Tree tree = sentence.get(SentimentAnnotatedTree.class); sentiment = RNNCoreAnnotations.getPredictedClass(tree); SentiReturn = SentiClass[sentiment]; } } return SentiReturn; } } </code> </pre> </DIV>

编辑
3#
回复此人
银角 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 我面临同样的问题：也许是一个解决方案 <a href="https://github.com/e5c/stanford_corenlp_py" rel="nofollow"> stanford_corenlp_py </A> 用的 <code> Py4j </code> 正如@roopalgarg所指出的那样。 </p> <BLOCKQUOTE> <H1> stanford_corenlp_py </H1> <P> 这个repo提供了一个Python接口，用于调用斯坦福CoreNLP Java包的“情感”和“实体命令”注释器，截至v.3.5.1。它使用py4j与JVM进行交互;因此，为了运行脚本/ runGateway.py之类的脚本，必须首先编译并运行创建JVM网关的Java类。 </p> </BLOCKQUOTE> </DIV>

编辑
4#
回复此人
谦逊的毛巾 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 在这个问题上有一个非常新的进展： </p> <P> 现在你可以使用了 <code> stanfordnlp </code> python里面的包： </p> <P> 来自 <a href="https://github.com/stanfordnlp/stanfordnlp" rel="nofollow noreferrer"> 自述 </A> ： </p> <pre> <code> >>> import stanfordnlp >>> stanfordnlp.download('en') # This downloads the English models for the neural pipeline >>> nlp = stanfordnlp.Pipeline() # This sets up a default neural pipeline in English >>> doc = nlp("Barack Obama was born in Hawaii. He was elected president in 2008.") >>> doc.sentences[0].print_dependencies() </code> </pre> </DIV>

编辑
5#
回复此人
天线宝宝 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> <code> Textblob </code> 写的是一个很好的情感分析包 <code> Python </code> 。你可以拥有 <a href="https://textblob.readthedocs.org/en/dev/" rel="nofollow"> 这里的文档 </A> 。通过检查单词及其相应的情感分数（情绪）来执行对任何给定句子的情感分析。你可以先开始 </p> <pre> <code> $ pip install -U textblob $ python -m textblob.download_corpora </code> </pre> <P> 第一个pip install命令将为您提供最新版本的textblob（ <code> virtualenv </code> 系统，因为你通过 <code> -U will upgrade the pip package its latest available version </code> 。接下来将下载所需的所有数据， <code> corpus </code> 。 </p> </DIV>

编辑

登录后才能参与评论