其他分享
首页 > 其他分享> > 常用中文分词工具分词&词性标注简单应用(jieba、pyhanlp、pkuseg、foolnltk、thulac、snownlp、nlpir)

常用中文分词工具分词&词性标注简单应用(jieba、pyhanlp、pkuseg、foolnltk、thulac、snownlp、nlpir)

作者:互联网

1、jieba分词&词性标注

import jieba
import jieba.posseg as posseg
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
# 精确模式
seg_list = jieba.cut(txt1,cut_all=False)
# seg_list = jieba.cut_for_search(txt1)
print("jieba分词:" + "/ ".join(seg_list)) # 精确模式
list = posseg.cut(txt1)
tag_list =[]
for tag in list :
    pos_word = {  }
    pos_word[1] = tag.word
    pos_word[2] = tag.flag
    tag_list.append(pos_word)
print('jieba词性标注:',tag_list)
结果展示:
jieba分词:
/ 文本/ 一/ :/ 
/ 人民网/ 华盛顿/ 3/ 月/ 28/ 日电/ (/ 记者/ 郑琪/ )/ 据/ 美国/ 约翰斯/ ·/ 霍普金斯大学/ 疫情/ 实时/ 监测/ 系统/ 显示/ ,/ 截至/ 美/ 东/ 时间/ 3/ 月/ 28/ 日/ 下午/ 6/ 时/ ,/ 
/ 美国/ 已经/ 至少/ 有/ 新冠/ 病毒感染/ 病例/ 121117/ 例/ ,/ 其中/ 包括/ 死亡/ 病例/ 2010/ 例/ 。/ 
/ 与/ 大约/ 24/ 小时/ 前/ 相比/ ,/ 美国/ 确诊/ 病例/ 至少/ 增加/ 了/ 20400/ 例/ ,/ 死亡/ 病例/ 至少/ 增加/ 了/ 466/ 例/ 。/ 
/ 目前/ 美国/ 疫情/ 最为/ 严重/ 的/ 仍/ 是/ 纽约州/ ,/ 共有/ 确诊/ 病例/ 至少/ 52410/ 例/ 。/ 此外/ ,/ 新泽西州/ 有/ 确诊/ 病例/ 11124/ 例/ ,/ 加利福尼亚州/ 有/ 5065/ 例/ ,/ 
/ 密歇根州/ 有/ 4650/ 例/ ,/ 马塞诸塞/ 州/ 有/ 4257/ 例/ ,/ 华盛顿州/ 有/ 4008/ 例/ 。/ 

jieba词性标注: [{1: '\n', 2: 'x'}, {1: '文本', 2: 'n'}, {1: '一', 2: 'm'}, {1: ':', 2: 'x'}, {1: '\n', 2: 'x'}, {1: '人民网', 2: 'n'}, {1: '华盛顿', 2: 'ns'}, {1: '3', 2: 'm'}, {1: '月', 2: 'm'}, {1: '28', 2: 'm'}, {1: '日电', 2: 'j'}, {1: '(', 2: 'x'}, {1: '记者', 2: 'n'}, {1: '郑琪', 2: 'nr'}, {1: ')', 2: 'x'}, {1: '据', 2: 'p'}, {1: '美国', 2: 'ns'}, {1: '约翰斯', 2: 'nrt'}, {1: '·', 2: 'x'}, {1: '霍普金斯大学', 2: 'nt'}, {1: '疫情', 2: 'n'}, {1: '实时', 2: 'd'}, {1: '监测', 2: 'vn'}, {1: '系统', 2: 'n'}, {1: '显示', 2: 'v'}, {1: ',', 2: 'x'}, {1: '截至', 2: 'v'}, {1: '美', 2: 'ns'}, {1: '东', 2: 'ns'}, {1: '时间', 2: 'n'}, {1: '3', 2: 'm'}, {1: '月', 2: 'm'}, {1: '28', 2: 'm'}, {1: '日', 2: 'm'}, {1: '下午', 2: 't'}, {1: '6', 2: 'm'}, {1: '时', 2: 'n'}, {1: ',', 2: 'x'}, {1: '\n', 2: 'x'}, {1: '美国', 2: 'ns'}, {1: '已经', 2: 'd'}, {1: '至少', 2: 'd'}, {1: '有', 2: 'v'}, {1: '新', 2: 'a'}, {1: '冠', 2: 'n'}, {1: '病毒感染', 2: 'n'}, {1: '病例', 2: 'n'}, {1: '121117', 2: 'm'}, {1: '例', 2: 'v'}, {1: ',', 2: 'x'}, {1: '其中', 2: 'r'}, {1: '包括', 2: 'v'}, {1: '死亡', 2: 'v'}, {1: '病例', 2: 'n'}, {1: '2010', 2: 'm'}, {1: '例', 2: 'v'}, {1: '。', 2: 'x'}, {1: '\n', 2: 'x'}, {1: '与', 2: 'p'}, {1: '大约', 2: 'd'}, {1: '24', 2: 'm'}, {1: '小时', 2: 'n'}, {1: '前', 2: 'f'}, {1: '相比', 2: 'v'}, {1: ',', 2: 'x'}, {1: '美国', 2: 'ns'}, {1: '确诊', 2: 'v'}, {1: '病例', 2: 'n'}, {1: '至少', 2: 'd'}, {1: '增加', 2: 'v'}, {1: '了', 2: 'ul'}, {1: '20400', 2: 'm'}, {1: '例', 2: 'v'}, {1: ',', 2: 'x'}, {1: '死亡', 2: 'v'}, {1: '病例', 2: 'n'}, {1: '至少', 2: 'd'}, {1: '增加', 2: 'v'}, {1: '了', 2: 'ul'}, {1: '466', 2: 'm'}, {1: '例', 2: 'v'}, {1: '。', 2: 'x'}, {1: '\n', 2: 'x'}, {1: '目前', 2: 't'}, {1: '美国', 2: 'ns'}, {1: '疫情', 2: 'n'}, {1: '最为', 2: 'd'}, {1: '严重', 2: 'a'}, {1: '的', 2: 'uj'}, {1: '仍', 2: 'd'}, {1: '是', 2: 'v'}, {1: '纽约州', 2: 'ns'}, {1: ',', 2: 'x'}, {1: '共有', 2: 'v'}, {1: '确诊', 2: 'v'}, {1: '病例', 2: 'n'}, {1: '至少', 2: 'd'}, {1: '52410', 2: 'm'}, {1: '例', 2: 'v'}, {1: '。', 2: 'x'}, {1: '此外', 2: 'c'}, {1: ',', 2: 'x'}, {1: '新泽西州', 2: 'ns'}, {1: '有', 2: 'v'}, {1: '确诊', 2: 'v'}, {1: '病例', 2: 'n'}, {1: '11124', 2: 'm'}, {1: '例', 2: 'v'}, {1: ',', 2: 'x'}, {1: '加利福尼亚州', 2: 'ns'}, {1: '有', 2: 'v'}, {1: '5065', 2: 'm'}, {1: '例', 2: 'v'}, {1: ',', 2: 'x'}, {1: '\n', 2: 'x'}, {1: '密歇根州', 2: 'ns'}, {1: '有', 2: 'v'}, {1: '4650', 2: 'm'}, {1: '例', 2: 'v'}, {1: ',', 2: 'x'}, {1: '马塞诸塞', 2: 'nr'}, {1: '州', 2: 'n'}, {1: '有', 2: 'v'}, {1: '4257', 2: 'm'}, {1: '例', 2: 'v'}, {1: ',', 2: 'x'}, {1: '华盛顿州', 2: 'ns'}, {1: '有', 2: 'v'}, {1: '4008', 2: 'm'}, {1: '例', 2: 'v'}, {1: '。', 2: 'x'}, {1: '\n', 2: 'x'}]

2、pyhanlp分词&词性标注

# -*- coding: utf-8 -*-
from pyhanlp import*
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
tag_word = HanLP.segment(txt1)
print('hanlp词性标注:',tag_word)

结果展示:

hanlp词性标注: [
/w, 文本/n, 一/m, :/w, 
/w, 人民网/nz, 华盛顿/nrf, 3月/t, 28/m, 日电/j, (/w, 记者/nnt, 郑琪/nr, )/w, 据/p, 美国/nsf, 约翰斯·/nrf, 霍普金斯大学/ntu, 疫情/n, 实时/n, 监测/vn, 系统/n, 显示/v, ,/w, 截至/v, 美东/ns, 时间/n, 3月/t, 28/m, 日/b, 下午/t, 6/m, 时/qt, ,/w, 
/w, 美国/nsf, 已经/d, 至少/d, 有/vyou, 新/a, 冠/ng, 病毒感染/nz, 病例/n, 121117/m, 例/n, ,/w, 其中/rz, 包括/v, 死亡/vi, 病例/n, 2010/m, 例/n, 。/w, 
/w, 与/cc, 大约/d, 24/m, 小时/n, 前/f, 相比/vi, ,/w, 美国/nsf, 确诊/v, 病例/n, 至少/d, 增加/v, 了/ule, 20400/m, 例/n, ,/w, 死亡/vi, 病例/n, 至少/d, 增加/v, 了/ule, 466/m, 例/n, 。/w, 
/w, 目前/t, 美国/nsf, 疫情/n, 最为/d, 严重/a, 的/ude1, 仍/d, 是/vshi, 纽约/nsf, 州/n, ,/w, 共有/v, 确诊/v, 病例/n, 至少/d, 52410/m, 例/n, 。/w, 此外/c, ,/w, 新泽西州/nsf, 有/vyou, 确诊/v, 病例/n, 11124/m, 例/n, ,/w, 加利福尼亚州/nsf, 有/vyou, 5065/m, 例/n, ,/w, 
/w, 密歇根州/nsf, 有/vyou, 4650/m, 例/n, ,/w, 马塞诸塞/nz, 州/n, 有/vyou, 4257/m, 例/n, ,/w, 华盛顿州/nsf, 有/vyou, 4008/m, 例/n, 。/w, 
/w]

3、pkuseg分词&词性标注

# -*- coding: utf-8 -*-
import pkuseg
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
#postag=False表示不词性标注,=True表示进行词性标注
seg = pkuseg.pkuseg(model_name='news',postag= False)
sge_word = seg.cut(txt1)
print('pkuseg分词:',sge_word)
tag = pkuseg.pkuseg(model_name='news',postag= True)
tag_word = tag.cut(txt1)
print('pkuseg词性标注:',tag_word)
pkuseg分词: ['文本', '一', ':', '人民网', '华盛顿', '3月28日', '电', '(', '记者', '郑琪', ')', '据', '美国', '约翰斯·霍普金斯大学', '疫情', '实时', '监测', '系统', '显示', ',', '截至', '美东时间3月28日', '下午6时', ',', '美国', '已经', '至少', '有', '新', '冠', '病毒', '感染', '病例', '121117例', ',', '其中', '包括', '死亡', '病例', '2010例', '。', '与', '大约', '24小时', '前', '相比', ',', '美国', '确诊', '病例', '至少', '增加', '了', '20400例', ',', '死亡', '病例', '至少', '增加', '了', '466例', '。', '目前', '美国', '疫情', '最为', '严重', '的', '仍是', '纽约州', ',', '共有', '确诊', '病例', '至少', '52410例', '。', '此外', ',', '新泽西州', '有', '确诊', '病例', '11124例', ',', '加利福尼亚州', '有', '5065例', ',', '密歇根州', '有', '4650例', ',', '马塞诸塞州', '有', '4257例', ',', '华盛顿州', '有', '4008例', '。']
pkuseg词性标注: [('文本', 'n'), ('一', 'm'), (':', 'w'), ('人民网', 'n'), ('华盛顿', 'ns'), ('3月28日', 'n'), ('电', 'n'), ('(', 'w'), ('记者', 'n'), ('郑琪', 'nr'), (')', 'w'), ('据', 'p'), ('美国', 'ns'), ('约翰斯·霍普金斯大学', 'n'), ('疫情', 'n'), ('实时', 'n'), ('监测', 'vn'), ('系统', 'n'), ('显示', 'v'), (',', 'w'), ('截至', 'v'), ('美东时间3月28日', 't'), ('下午6时', 't'), (',', 'w'), ('美国', 'ns'), ('已经', 'd'), ('至少', 'd'), ('有', 'v'), ('新', 'a'), ('冠', 'n'), ('病毒', 'n'), ('感染', 'v'), ('病例', 'n'), ('121117例', 'n'), (',', 'w'), ('其中', 'r'), ('包括', 'v'), ('死亡', 'v'), ('病例', 'n'), ('2010例', 'n'), ('。', 'w'), ('与', 'p'), ('大约', 'd'), ('24小时', 'v'), ('前', 'f'), ('相比', 'v'), (',', 'w'), ('美国', 'ns'), ('确诊', 'v'), ('病例', 'n'), ('至少', 'd'), ('增加', 'v'), ('了', 'u'), ('20400例', 'n'), (',', 'w'), ('死亡', 'v'), ('病例', 'n'), ('至少', 'd'), ('增加', 'v'), ('了', 'u'), ('466例', 'n'), ('。', 'w'), ('目前', 't'), ('美国', 'ns'), ('疫情', 'n'), ('最为', 'd'), ('严重', 'a'), ('的', 'u'), ('仍是', 'd'), ('纽约州', 'ns'), (',', 'w'), ('共有', 'v'), ('确诊', 'v'), ('病例', 'n'), ('至少', 'd'), ('52410例', 'v'), ('。', 'w'), ('此外', 'c'), (',', 'w'), ('新泽西州', 'ns'), ('有', 'v'), ('确诊', 'v'), ('病例', 'n'), ('11124例', 'n'), (',', 'w'), ('加利福尼亚州', 'ns'), ('有', 'v'), ('5065例', 'n'), (',', 'w'), ('密歇根州', 'ns'), ('有', 'v'), ('4650例', 'n'), (',', 'w'), ('马塞诸塞州', 'ns'), ('有', 'v'), ('4257例', 'n'), (',', 'w'), ('华盛顿州', 'ns'), ('有', 'v'), ('4008例', 'n'), ('。', 'w')]

4、foolnltk分词&词性标注

# -*- coding: utf-8 -*-
import fool
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
#cut函数分词
cut_word = fool.cut(txt1)
print('foolnltk分词:',cut_word)
#pos_cut函数词性标注
tag_word = fool.pos_cut(txt1)
print('foolnltk词性标注:',tag_word)
#analysis函数命名实体识别

结果展示:

foolnltk分词: [['\n', '文本', '一', ':', '\n', '人民网', '华盛顿', '3月', '28日', '电', '(', '记者', '郑琪', ')', '据', '美国', '约翰斯·霍普金斯', '大学', '疫情', '实时', '监测', '系统', '显示', ',', '截至', '美东', '时间', '3月', '28日', '下午', '6时', ',', '\n', '美国', '已经', '至少', '有', '新冠', '病毒', '感染', '病例', '121117', '例', ',', '其中', '包括', '死亡', '病例', '2010', '例', '。', '\n', '与', '大约', '24', '小时', '前', '相比', ',', '美国', '确诊', '病例', '至少', '增加', '了', '20400', '例', ',', '死亡', '病例', '至少', '增加', '了', '466', '例', '。', '\n', '目前', '美国', '疫情', '最为', '严重', '的', '仍', '是', '纽约州', ',', '共有', '确诊', '病例', '至少', '52410', '例', '。', '此外', ',', '新泽西州', '有', '确诊', '病例', '11124', '例', ',', '加利福尼亚州', '有', '5065', '例', ',', '\n', '密歇根州', '有', '4650', '例', ',', '马塞', '诸塞州', '有', '4257', '例', ',', '华盛', '顿州', '有', '4008', '例', '。', '\n']]
2020-04-01 19:45:50.693558: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1159] Device interconnect StreamExecutor with strength 1 edge matrix:
2020-04-01 19:45:50.693761: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1165]      
foolnltk词性标注: [[('\n', 'ns'), ('文本', 'n'), ('一', 'm'), (':', 'wm'), ('\n', 'nx'), ('人民网', 'n'), ('华盛顿', 'ns'), ('3月', 't'), ('28日', 't'), ('电', 'n'), ('(', 'wkz'), ('记者', 'n'), ('郑琪', 'nr'), (')', 'wky'), ('据', 'p'), ('美国', 'ns'), ('约翰斯·霍普金斯', 'ns'), ('大学', 'n'), ('疫情', 'n'), ('实时', 'n'), ('监测', 'n'), ('系统', 'n'), ('显示', 'v'), (',', 'wd'), ('截至', 'v'), ('美东', 'n'), ('时间', 'n'), ('3月', 't'), ('28日', 't'), ('下午', 't'), ('6时', 't'), (',', 'wd'), ('\n', 'ns'), ('美国', 'ns'), ('已经', 'd'), ('至少', 'd'), ('有', 'vyou'), ('新冠', 'nz'), ('病毒', 'n'), ('感染', 'v'), ('病例', 'n'), ('121117', 'm'), ('例', 'q'), (',', 'wd'), ('其中', 'r'), ('包括', 'v'), ('死亡', 'n'), ('病例', 'n'), ('2010', 'm'), ('例', 'q'), ('。', 'wj'), ('\n', 'n'), ('与', 'c'), ('大约', 'd'), ('24', 'm'), ('小时', 'n'), ('前', 'f'), ('相比', 'vi'), (',', 'wd'), ('美国', 'ns'), ('确诊', 'v'), ('病例', 'n'), ('至少', 'd'), ('增加', 'v'), ('了', 'y'), ('20400', 'n'), ('例', 'n'), (',', 'wd'), ('死亡', 'n'), ('病例', 'n'), ('至少', 'd'), ('增加', 'v'), ('了', 'y'), ('466', 'ns'), ('例', 'n'), ('。', 'wj'), ('\n', 'n'), ('目前', 't'), ('美国', 'ns'), ('疫情', 'n'), ('最为', 'd'), ('严重', 'a'), ('的', 'ude'), ('仍', 'd'), ('是', 'vshi'), ('纽约州', 'n'), (',', 'wd'), ('共有', 'v'), ('确诊', 'v'), ('病例', 'n'), ('至少', 'd'), ('52410', 'v'), ('例', 'n'), ('。', 'wj'), ('此外', 'c'), (',', 'wd'), ('新泽西州', 'ns'), ('有', 'vyou'), ('确诊', 'v'), ('病例', 'n'), ('11124', 'n'), ('例', 'n'), (',', 'wd'), ('加利福尼亚州', 'ns'), ('有', 'vyou'), ('5065', 'm'), ('例', 'q'), (',', 'wd'), ('\n', 'ns'), ('密歇根州', 'ns'), ('有', 'vyou'), ('4650', 'm'), ('例', 'q'), (',', 'wd'), ('马塞', 'ns'), ('诸塞州', 'ns'), ('有', 'vyou'), ('4257', 'm'), ('例', 'q'), (',', 'wd'), ('华盛', 'nz'), ('顿州', 'n'), ('有', 'vyou'), ('4008', 'm'), ('例', 'q'), ('。', 'wj'), ('\n', 'm')]]

5、thulac分词&词性标注

# -*- coding: utf-8 -*-
import thulac
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
#seg_only设置词性标注与否,deli设置分词以后以什么分隔
thu1 = thulac.thulac(seg_only=False, deli='_')
text = thu1.cut(txt1, text=True)
print('thulac分词:',text)
print('thulac词性标注:',text)

结果展示:

Model loaded succeed
thulac分词: 文本_n 一_m :_w
人民网_n 华盛顿_ns 3月_t 28日_t 电_n (_w 记者_n 郑琪_np )_w 据_p 美国_ns 约翰斯_np ·_w 霍普金斯_nz 大学_n 疫情_n 实时_a 监测_v 系统_n 显示_v ,_w 截至_v 美东_ns 时间_n 3月_t 28日_t 下午_t 6时_t ,_w
美国_ns 已经_d 至少_d 有_v 新_a 冠_v 病毒_n 感染_v 病例_n 121117_m 例_q ,_w 其中_r 包括_v 死亡_v 病例_n 2010_m 例_n 。_w
与_p 大约_d 24_m 小时_n 前_f 相比_v ,_w 美国_ns 确诊_v 病例_n 至少_d 增加_v 了_u 20400_m 例_q ,_w 死亡_v 病例_n 至少_d 增加_v 了_u 466_m 例_q 。_w
目前_t 美国_ns 疫情_n 最为_d 严重_a 的_u 仍_d 是_v 纽约州_ns ,_w 共有_v 确诊_v 病例_n 至少_d 52410_m 例_n 。_w 此外_c ,_w 新泽西州_ns 有_v 确诊_v 病例_n 11124_m 例_q ,_w 加利福尼亚州_ns 有_v 5065_m 例_q ,_w
密歇根州_ns 有_v 4650_m 例_q ,_w 马塞诸塞州_ns 有_v 4257_m 例_q ,_w 华盛顿州_ns 有_v 4008_m 例_q 。_w
thulac词性标注: 文本_n 一_m :_w
人民网_n 华盛顿_ns 3月_t 28日_t 电_n (_w 记者_n 郑琪_np )_w 据_p 美国_ns 约翰斯_np ·_w 霍普金斯_nz 大学_n 疫情_n 实时_a 监测_v 系统_n 显示_v ,_w 截至_v 美东_ns 时间_n 3月_t 28日_t 下午_t 6时_t ,_w
美国_ns 已经_d 至少_d 有_v 新_a 冠_v 病毒_n 感染_v 病例_n 121117_m 例_q ,_w 其中_r 包括_v 死亡_v 病例_n 2010_m 例_n 。_w
与_p 大约_d 24_m 小时_n 前_f 相比_v ,_w 美国_ns 确诊_v 病例_n 至少_d 增加_v 了_u 20400_m 例_q ,_w 死亡_v 病例_n 至少_d 增加_v 了_u 466_m 例_q 。_w
目前_t 美国_ns 疫情_n 最为_d 严重_a 的_u 仍_d 是_v 纽约州_ns ,_w 共有_v 确诊_v 病例_n 至少_d 52410_m 例_n 。_w 此外_c ,_w 新泽西州_ns 有_v 确诊_v 病例_n 11124_m 例_q ,_w 加利福尼亚州_ns 有_v 5065_m 例_q ,_w
密歇根州_ns 有_v 4650_m 例_q ,_w 马塞诸塞州_ns 有_v 4257_m 例_q ,_w 华盛顿州_ns 有_v 4008_m 例_q 。_w

6、nlpir分词&词性标注

# -*- coding: utf-8 -*-
import pynlpir
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
pynlpir.open()
#pos_tagging:是否进行词性标注
tag_seg = pynlpir.segment(txt1,pos_tagging=False)
print('pynlpir分词:',tag_seg)
tag_word = pynlpir.segment(txt1, pos_tagging=True)
print('pynlpir词性标注:',tag_word)
pynlpir.close()

结果展示:

pynlpir分词: ['文本', '一', ':', '\n人民网', '华盛顿', '3月', '28日', '电', '(', '记者', '郑琪', ')', '据', '美国', '约翰斯·霍普金斯', '大学', '疫情', '实时', '监测', '系统', '显示', ',', '截至', '美', '东', '时间', '3月', '28日', '下午', '6时', ',', '\n美国', '已经', '至少', '有', '新', '冠', '病毒', '感染', '病例', '121117', '例', ',', '其中', '包括', '死亡', '病例', '2010', '例', '。', '\n与', '大约', '24', '小时', '前', '相比', ',', '美国', '确诊', '病例', '至少', '增加', '了', '20400', '例', ',', '死亡', '病例', '至少', '增加', '了', '466', '例', '。', '\n目前', '美国', '疫情', '最为', '严重', '的', '仍', '是', '纽约州', ',', '共有', '确诊', '病例', '至少', '52410', '例', '。', '此外', ',', '新泽西州', '有', '确诊', '病例', '11124', '例', ',', '加利福尼亚州', '有', '5065', '例', ',', '\n密歇根州', '有', '4650', '例', ',', '马塞诸塞州', '有', '4257', '例', ',', '华盛顿州', '有', '4008', '例', '。']
pynlpir词性标注: [('文本', 'noun'), ('一', 'numeral'), (':', 'punctuation mark'), ('\n人民网', 'multiword expression'), ('华盛顿', 'noun'), ('3月', 'time word'), ('28日', 'time word'), ('电', 'noun'), ('(', 'punctuation mark'), ('记者', 'noun'), ('郑琪', 'noun'), (')', 'punctuation mark'), ('据', 'preposition'), ('美国', 'noun'), ('约翰斯·霍普金斯', 'noun'), ('大学', 'noun'), ('疫情', 'noun'), ('实时', 'noun'), ('监测', 'verb'), ('系统', 'noun'), ('显示', 'verb'), (',', 'punctuation mark'), ('截至', 'verb'), ('美', 'distinguishing word'), ('东', 'distinguishing word'), ('时间', 'noun'), ('3月', 'time word'), ('28日', 'time word'), ('下午', 'time word'), ('6时', 'time word'), (',', 'punctuation mark'), ('\n美国', 'noun'), ('已经', 'adverb'), ('至少', 'adverb'), ('有', 'verb'), ('新', 'adjective'), ('冠', 'noun'), ('病毒', 'noun'), ('感染', 'verb'), ('病例', 'noun'), ('121117', 'numeral'), ('例', 'classifier'), (',', 'punctuation mark'), ('其中', 'pronoun'), ('包括', 'verb'), ('死亡', 'verb'), ('病例', 'noun'), ('2010', 'numeral'), ('例', 'classifier'), ('。', 'punctuation mark'), ('\n与', 'preposition'), ('大约', 'adverb'), ('24', 'numeral'), ('小时', 'noun'), ('前', 'noun of locality'), ('相比', 'verb'), (',', 'punctuation mark'), ('美国', 'noun'), ('确诊', 'verb'), ('病例', 'noun'), ('至少', 'adverb'), ('增加', 'verb'), ('了', 'particle'), ('20400', 'numeral'), ('例', 'classifier'), (',', 'punctuation mark'), ('死亡', 'verb'), ('病例', 'noun'), ('至少', 'adverb'), ('增加', 'verb'), ('了', 'particle'), ('466', 'numeral'), ('例', 'classifier'), ('。', 'punctuation mark'), ('\n目前', 'time word'), ('美国', 'noun'), ('疫情', 'noun'), ('最为', 'adverb'), ('严重', 'adjective'), ('的', 'particle'), ('仍', 'adverb'), ('是', 'verb'), ('纽约州', 'noun'), (',', 'punctuation mark'), ('共有', 'verb'), ('确诊', 'verb'), ('病例', 'noun'), ('至少', 'adverb'), ('52410', 'numeral'), ('例', 'classifier'), ('。', 'punctuation mark'), ('此外', 'conjunction'), (',', 'punctuation mark'), ('新泽西州', 'noun'), ('有', 'verb'), ('确诊', 'verb'), ('病例', 'noun'), ('11124', 'numeral'), ('例', 'classifier'), (',', 'punctuation mark'), ('加利福尼亚州', 'noun'), ('有', 'verb'), ('5065', 'numeral'), ('例', 'classifier'), (',', 'punctuation mark'), ('\n密歇根州', 'noun'), ('有', 'verb'), ('4650', 'numeral'), ('例', 'classifier'), (',', 'punctuation mark'), ('马塞诸塞州', 'noun'), ('有', 'verb'), ('4257', 'numeral'), ('例', 'classifier'), (',', 'punctuation mark'), ('华盛顿州', 'noun'), ('有', 'verb'), ('4008', 'numeral'), ('例', 'classifier'), ('。', 'punctuation mark')]

7、snownlp分词&词性标注

# -*- coding: utf-8 -*-
from snownlp import SnowNLP
txt1 ='''
文本一:
人民网华盛顿3月28日电(记者郑琪)据美国约翰斯·霍普金斯大学疫情实时监测系统显示,截至美东时间3月28日下午6时,
美国已经至少有新冠病毒感染病例121117例,其中包括死亡病例2010例。
与大约24小时前相比,美国确诊病例至少增加了20400例,死亡病例至少增加了466例。
目前美国疫情最为严重的仍是纽约州,共有确诊病例至少52410例。此外,新泽西州有确诊病例11124例,加利福尼亚州有5065例,
密歇根州有4650例,马塞诸塞州有4257例,华盛顿州有4008例。
'''
s = SnowNLP(txt1)
print('snownlp分词:',s.words)
tag_list = []
for tag in s.tags:
    tag_list.append(tag)
print('snownlp词性标注:', tag_list)

结果展示:

snownlp分词: ['文本', '一', ':', '人民', '网', '华盛顿', '3', '月', '28', '日', '电', '(', '记者', '郑琪', ')', '据', '美国', '约翰斯', '·', '霍', '普金斯', '大学', '疫情', '实时', '监测', '系统', '显示', ',', '截至', '美', '东', '时间', '3', '月', '28', '日', '下午', '6', '时', ',', '美国', '已经', '至少', '有', '新', '冠', '病毒', '感染', '病例', '121117', '例', ',', '其中', '包括', '死亡', '病例', '2010', '例', '。', '与', '大约', '24', '小时前', '相比', ',', '美国', '确诊', '病例', '至少', '增加', '了', '20400', '例', ',', '死亡', '病例', '至少', '增加', '了', '466', '例', '。', '目前', '美国', '疫情', '最为', '严重', '的', '仍', '是', '纽约州', ',', '共有', '确诊', '病例', '至少', '52410', '例', '。', '此外', ',', '新', '泽', '西州', '有', '确诊', '病例', '11124', '例', ',', '加利福尼亚州', '有', '5065', '例', ',', '密歇', '根州', '有', '4650', '例', ',', '马塞', '诸塞州', '有', '4257', '例', ',', '华盛顿', '州', '有', '4008', '例', '。']
snownlp词性标注: [('文本', 'n'), ('一', 'm'), (':', 'w'), ('人民', 'n'), ('网', 'n'), ('华盛顿', 'ns'), ('3', 'nz'), ('月', 'n'), ('28', 'm'), ('日', 'q'), ('电', 'n'), ('(', 'w'), ('记者', 'n'), ('郑琪', 'k'), (')', 'w'), ('据', 'p'), ('美国', 'ns'), ('约翰斯', 's'), ('·', 'w'), ('霍', 'nr'), ('普金斯', 'nr'), ('大学', 'n'), ('疫情', 'n'), ('实时', 'n'), ('监测', 'vn'), ('系统', 'n'), ('显示', 'v'), (',', 'w'), ('截至', 'v'), ('美', 'j'), ('东', 'j'), ('时间', 'n'), ('3', 'vvn'), ('月', 'n'), ('28', 'm'), ('日', 'q'), ('下午', 't'), ('6', 'Ag'), ('时', 'Ng'), (',', 'w'), ('美国', 'ns'), ('已经', 'd'), ('至少', 'd'), ('有', 'v'), ('新', 'a'), ('冠', 'j'), ('病毒', 'n'), ('感染', 'v'), ('病例', 'n'), ('121117', 'm'), ('例', 'q'), (',', 'w'), ('其中', 'r'), ('包括', 'v'), ('死亡', 'v'), ('病例', 'n'), ('2010', 'u'), ('例', 'n'), ('。', 'w'), ('与', 'c'), ('大约', 'd'), ('24', 'Dg'), ('小时前', 'Vg'), ('相比', 'v'), (',', 'w'), ('美国', 'ns'), ('确诊', 'v'), ('病例', 'n'), ('至少', 'd'), ('增加', 'v'), ('了', 'u'), ('20400', 'm'), ('例', 'q'), (',', 'w'), ('死亡', 'v'), ('病例', 'n'), ('至少', 'd'), ('增加', 'v'), ('了', 'u'), ('466', 'm'), ('例', 'q'), ('。', 'w'), ('目前', 't'), ('美国', 'ns'), ('疫情', 'n'), ('最为', 'd'), ('严重', 'a'), ('的', 'u'), ('仍', 'd'), ('是', 'v'), ('纽约州', 'ns'), (',', 'w'), ('共有', 'v'), ('确诊', 'v'), ('病例', 'n'), ('至少', 'd'), ('52410', 'Vg'), ('例', 'n'), ('。', 'w'), ('此外', 'c'), (',', 'w'), ('新', 'a'), ('泽', 'nr'), ('西州', 'nr'), ('有', 'v'), ('确诊', 'v'), ('病例', 'n'), ('11124', 'm'), ('例', 'q'), (',', 'w'), ('加利福尼亚州', 'ns'), ('有', 'v'), ('5065', 'm'), ('例', 'q'), (',', 'w'), ('密歇', 'e'), ('根州', 'e'), ('有', 'v'), ('4650', 'y'), ('例', 'n'), (',', 'w'), ('马塞', 'ns'), ('诸塞州', 'Tg'), ('有', 'v'), ('4257', 'Tg'), ('例', 'n'), (',', 'w'), ('华盛顿', 'ns'), ('州', 'n'), ('有', 'v'), ('4008', 'Bg'), ('例', 'n'), ('。', 'w')]

 

标签:词性,noun,病例,pkuseg,至少,28,确诊,ns,分词
来源: https://www.cnblogs.com/maxxu11/p/12615112.html