【ChatBot开发笔记】使用LTP（语言技术平台）进行自然语言处理_ltp处理完的数据怎么办

准备工作

一、进入讯飞开放平台，注册登陆账号。
二、 打开创建应用，输入应用名称，选择应用分类，输入应用功能描述后，提交。

三、从左侧选择自然语言处理——依存句法分析，注意右上方的APPID和APIKey，在后续的操作中会使用此数据，右下角的ip白名单请添加自己的外网IP，可以在这个网站 查看，也可以自己运行了之后看他的输出，会提示

"desc":"illegal access|illegal client_ip",
1

把里面的client_ip输入就行，详情可以阅读右侧依存语法分析api下的操作文档：
以上准备工作结束后，就可以开始使用对应的自然语言处理的接口了。

测试示例

测试代码

1、ltp.py

import time
import urllib.request
import urllib.parse
import json
import hashlib
import base64

# text为string类型，不超出500字节
def main(text, kind):
    body = urllib.parse.urlencode({'text': text}).encode('utf-8')
    url = 'http://ltpapi.xfyun.cn/'+kind
    api_key = '此处填入你的APIKey'
    param = {"type": "dependent"}

    x_appid = '此处填入你的APPID'
    x_param = base64.b64encode(json.dumps(param).replace(' ', '').encode('utf-8'))
    x_time = int(int(round(time.time() * 1000)) / 1000)
    x_checksum = hashlib.md5(api_key.encode('utf-8') + str(x_time).encode('utf-8') + x_param).hexdigest()
    x_header = {'X-Appid': x_appid,
                'X-CurTime': x_time,
                'X-Param': x_param,
                'X-CheckSum': x_checksum}
    req = urllib.request.Request(url, body, x_header)
    result = urllib.request.urlopen(req)
    result = result.read()
    print(result.decode('utf-8'))
    return


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

run.py

if __name__ == '__main__':
    text = "今天是开学的第4周，第9周我们将进行项目实训的中期答辩"
    text2 = "今天我感冒了，不能出去玩了"
    # 中文分词(v1/cws)
    ltp.main(text, "v1/cws")
    # 词性标注(v1/pos)
    ltp.main(text, "v1/pos")
    # 依存句法分析(v1/dp)
    ltp.main(text, "v1/dp")
    # 命名实体识别(v1/ner)
    ltp.main(text, "v1/ner")
    # 语义角色标注(v1/srl)
    ltp.main(text, "v1/srl")
    # 语义依存 (依存树) 分析(v1/sdp)
    ltp.main(text, "v1/sdp")
    # 语义依存 (依存图) 分析(v1/sdgp)
    ltp.main(text, "v1/sdgp")
    # 关键词提取(v1/ke)
    ltp.main(text, "v1/ke")
    # 情感分析(v2/sa)
    ltp.main(text2, "v2/sa")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

测试结果及分析

接口返回参数:

中文分词

返回结果中data字段说明:

词性标注

返回结果中data字段说明:

依存语句分析

返回结果中data字段说明:

将输出结果，用树状图表示为：

命名实体识别

返回结果中data字段说明:

语义角色标注

返回结果中data字段说明:

语义依存 (依存树) 分析

返回结果中data字段说明:

语义依存 (依存图) 分析

返回结果中data字段说明:

关键词提取

结果返回类型说明：

情感分析

情感分析：

注：score为0.3以下是-1，0.3-0.7是0，0.7以上是1。

附录

词性标记集

依存句法分析标注关系

命名实体说明

前缀说明: 包含BIES四种前缀，分别表示 开始、中间、结束、独立

语义角色列表

备注: 核心的语义角色为A0-5六种，A0通常表示动作的施事，A1通常表示动作的影响等，A2-5根据谓语动词不同会有不同的语义含义。

语义依存关系说明