斯坦福大学发布 StanfordNLP，支持多种语言

本文作者： skura

2019-02-11 10:30

导语：github 资源已公布

雷锋网 AI 科技评论按，近日，斯坦福大学发布了一款用于 NLP 的 Python 官方库，这个库可以适用于多种语言，其地址是：https://stanfordnlp.github.io/stanfordnlp/，github 资源如下：

这是 Stanford 官方发布的 NLP 库，详细信息请访问：https://stanfordnlp.github.io/stanfordnlp/

说明

如果在研究中使用了他们的神经管道，可以参考他们的 CoNLL 2018 共享任务系统描述文件：

@inproceedings{qi2018universal,
address = {Brussels, Belgium},
author = {Qi, Peng and Dozat, Timothy and Zhang, Yuhao and Manning, Christopher D.},
booktitle = {Proceedings of the {CoNLL} 2018 Shared Task: Multilingual Parsing from Raw Text to Universal Dependencies},
month = {October},
pages = {160--170},
publisher = {Association for Computational Linguistics},
title = {Universal Dependency Parsing from Scratch},
url = {https://nlp.stanford.edu/pubs/qi2018universal.pdf},
year = {2018}
}

但是，这个版本和 Stanford 大学的 CoNLL 2018 共享任务系统不一样。在这里，标记解析器、词性还原器、形态学特性和多词术语系统是共享任务代码系统的一个简洁版本，但是作为对比，还使用了 Tim Dozat 的 Tensorflow 版本的标记器和解析器。PyTorch 中大体上对这个版本的代码进行了复制，尽管与原始版本有一些不同。雷锋网

启动

StanfordNLP 支持 Python3.6 及其以上版本。最好的办法是从 PyPI 安装 StanfordNLP，如果已经安装了 pip，那么只需要运行：

pip install stanfordnlp

这也有助于解决 StanfordNLP 的所有依赖，例如对 PyTorch 1.0.0 或者更高版本的依赖。

还有一个办法，是从 github 存储库的源代码安装，这可以使基于 StanfordNLP 的开发和模型训练具有更大的灵活性。雷锋网

git clone git@github.com:stanfordnlp/stanfordnlp.git
cd stanfordnlp
pip install -e .

运行 StanfordNLP

从神经管道开始

要运行第一个 StanfordNLP 管道，只需在 python 交互式解释器中执行以下步骤：

>>> 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()

最后一个命令将打印输入字符串（或文档，如 StanfordNLP 所示）中第一个句子中的单词，以及该句子中单词的索引，以及单词之间的依赖关系。输出应如下所示：

('Barack', '4', 'nsubj:pass')
('Obama', '1', 'flat')
('was', '4', 'aux:pass')
('born', '0', 'root')
('in', '6', 'case')
('Hawaii', '4', 'obl')
('.', '4', 'punct')

访问 Java Stanford CoreNLP 服务器

除了神经管道之外，这个项目还包括一个用 Python 代码访问 Java Stanford CaleNLP 服务器的官方类。

有几个初始设置步骤：