LTP4.2.0 哈工大分词 库python使用踩坑_安装ltp哈工大

1、安装，建议使用Github上项目的介绍

# 方法 1： 使用清华源安装 LTP
# 1. 安装 PyTorch 和 Transformers 依赖
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch transformers
# 2. 安装 LTP
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ltp ltp-core ltp-extension

Mac BigSur 11 + Python 3.9 成功

2、本地库的安装及使用

http://39.96.43.154/ltp/v4/base.tgz

http://39.96.43.154/ltp/v4/base1.tgz 

http://39.96.43.154/ltp/v4/base2.tgz 

http://39.96.43.154/ltp/v4/Legacy.tgz  

感知机算法模型 ，这个没用过，有大神介绍下，看参数分句性能狂暴

import torch

from ltp import LTP

ltp=LTP(pretrained_model_name_or_path="/usr/local/lib/python3.9/site-packages/ltp/base")#加载base模型，使用绝对位置，实际放在库 /ltp/base/，大小在550M

试过相对位置，放在项目文件下，不行，必须要使用绝对路径

3、常用函数

#  分词 cws、词性 pos、命名实体标注 ner、语义角色标注 srl、依存句法分析 dep、语义依存分析树 sdp、语义依存分析图 sdpg
output = ltp.pipeline(["他叫汤姆去拿外衣。"], tasks=["cws", "pos", "ner", "srl", "dep", "sdp", "sdpg"])
# 使用字典格式作为返回结果
print(output.cws)  # print(output[0]) / print(output['cws']) # 也可以使用下标访问

6种常用的分词，直接在 ltp.pipeline（[文本]，tasks=["cws", "pos", "ner", "srl", "dep", "sdp", "sdpg"]）完成，和3.0版本区别很大。