README_CH.md

FoolNLTK

中文处理工具包

特点

• 可能不是最快的开源中文分词，但很可能是最准的开源中文分词
• 基于BiLSTM模型训练而成
• 包含分词，词性标注，实体识别,　都有比较高的准确率
• 用户自定义词典
• 可训练自己的模型
• 批量处理

定制自己的模型

*** 2020/2/16 *** 更新: 添加 bert 训练的代码, 详情看文档

get clone https://github.com/rockyzhengwu/FoolNLTK.git
cd FoolNLTK/train

详细训练步骤可参考文档

仅在linux Python3　环境测试通过

Install

pip install foolnltk

使用说明

分词

import fool

text = "一个傻子在北京"
print(fool.cut(text))
# ['一个', '傻子', '在', '北京']

命令行分词, 可指定-b参数，每次切割的行数能加快分词速度

python -m fool [filename]

用户自定义词典

词典格式格式如下，词的权重越高，词的长度越长就越越可能出现,　权重值请大于1

难受香菇 10
什么鬼 10
分词工具 10
北京 10
北京天安门 10

加载词典

import fool
fool.load_userdict(path)
text = ["我在北京天安门看你难受香菇", "我在北京晒太阳你在非洲看雪"]
print(fool.cut(text))
#[['我', '在', '北京', '天安门', '看', '你', '难受', '香菇'],
# ['我', '在', '北京', '晒太阳', '你', '在', '非洲', '看', '雪']]

删除词典

fool.delete_userdict();

词性标注

import fool

text = ["一个傻子在北京"]
print(fool.pos_cut(text))
#[[('一个', 'm'), ('傻子', 'n'), ('在', 'p'), ('北京', 'ns')]]

实体识别

import fool 

text = ["一个傻子在北京","你好啊"]
words, ners = fool.analysis(text)
print(ners)
#[[(5, 8, 'location', '北京')]]

其他语言版本

Java版

注意

• 有找不到模型文件的, 可以看下sys.prefix,一般默认为/usr/local/