其他分享
首页 > 其他分享> > hanlp2.x使用与语义角色标注任务

hanlp2.x使用与语义角色标注任务

作者:互联网

hanlp 2.x的文档逻辑不太好看,这里记录一下语义角色标注任务的相关代码与文档中的重要内容

hanlp github地址:https://github.com/hankcs/HanLP

hanlp各种任务缩写https://hanlp.hankcs.com/docs/data_format.html#naming-convention
从文档中可以看到“tok”是分词,“srl”是语义角色标注

hanlp语义角色标注标签含义https://hanlp.hankcs.com/docs/annotations/srl/cpb.html#chinese-proposition-bank

在线的示例demo:https://hanlp.hankcs.com/?sentence=%E8%AF%AD%E4%B9%89%E8%A7%92%E8%89%B2%E6%A0%87%E6%B3%A8%E6%98%AF%E4%B8%80%E7%A7%8D%E6%B5%85%E5%B1%82%E7%9A%84%E8%AF%AD%E4%B9%89%E5%88%86%E6%9E%90%E6%8A%80%E6%9C%AF

任务思路

  1. 导入模型(更多请参考:https://blog.csdn.net/weixin_35757704/article/details/122741836
  2. 传入句子,说明需要执行的任务
  3. 导出结果

示例代码

import hanlp

if __name__ == '__main__':
    # 导入模型
    lp_model = hanlp.load(hanlp.pretrained.mtl.CLOSE_TOK_POS_NER_SRL_DEP_SDP_CON_ELECTRA_SMALL_ZH)
    sentences = [
        "语义角色标注是一种浅层的语义分析技术,标注句子中某些短语为给定谓词的论元 (语义角色) ,如施事、受事、时间和地点等。其能够对问答系统、信息抽取和机器翻译等应用产生推动作用。",
    ]
    for _se in sentences:
        sentences_analyze = lp_model(_se, tasks=['tok', 'srl'])  # 执行分词与语义标注
        srl_analyze = sentences_analyze['srl']
        for srl_info in srl_analyze:
            for text, mark, index_0, index_1 in srl_info:
                print(text, mark)
                pass
            pass

得到的结果:

语义角色标注 ARG0
是 PRED
一种浅层的语义分析技术 ARG1
标注 PRED
句子中某些短语为给定谓词的论元(语义角色),如施事、受事、时间和地点等 ARG1
为 PRED
给定谓词的论元 ARG1
其 ARG0
产生 PRED
推动作用 ARG1

标签:语义,E6%,srl,https,hanlp2,hanlp,标注
来源: https://blog.csdn.net/weixin_35757704/article/details/122750276