spacy 英文模型下载_spaCy 2.1 中文NLP模型下载

spaCy是最流行的开源NLP开发包之一，它有极快的处理速度，并且预置了词性标注、句法依存分析、命名实体识别等多个自然语言处理的必备模型，因此受到社区的热烈欢迎。中文版预训练模型包括词性标注、依存分析和命名实体识别，由汇智网提供，下载地址：spaCy2.1中文模型包【汇智网】 。

1、模型下载安装与使用

下载后解压到一个目录即可，例如假设解压到目录 /models/zh_spacy，目录结构如下：

/spacy/zh_model  | - meta.json # 模型描述信息 | - tokenizer  | - vocab # 词库目录 | - tagger # 词性标注模型 | - parser # 依存分析模型 | - ner # 命名实体识别模型

使用spaCy载入该模型目录即可。例如：

import spacynlp = spacy.load('/spacy/zh_model')doc = nlp('西门子将努力参与中国的三峡工程建设。')for token in doc: print(token.text)

spaCy2.1中文预训练模型下载地址：http://sc.hubwiz.com/codebag/zh-spacy-model/

2、使用词向量

spaCy中文模型采用了中文维基语料预训练的300维词向量，共352217个词条。

例如，查看词向量表大小及维度：

import spacynlp = spacy.load('/spacy/zh_model')print(nlp.vocab.vectors.shape)print(nlp.vocab['北京'].vector)

结果如下：

(352217, 300)[-0.136166 -0.339835 0.528109 0.417842 -0.093321 -0.42306 -0.475931 -0.125459 0.137432 -0.567229 0.242339 0.245993 -0.377495 -0.274273 ... 0.238025 0.309567 -0.692431 -0.078103 -0.26816 0.051805 0.075192 -0.052902 0.376131 -0.221235 0.23855 -0.11685 0.40507 ]

3、使用词性标注

spaCy中文词性标注模型采用Universal Dependency的中文语料库进行训练。

import spacynlp = spacy.load('/spacy/zh_model')doc = nlp('西门子将努力参与中国的三峡工程建设。')for token in doc: print(token.text,token.pos_,token.tag_)

将得到如下的词性标注结果：

西门子 NNP将 BB努力 RB参与 VV中国 NNP的 DEC三峡工程 NN建设 NN

4、使用依存分析

spaCy中文依存分析模型采用Universal Dependency的中文语料库进行训练。

例如，下面的代码输出各词条的文本、依赖关系以及其依赖的词条：

import spacynlp = spacy.load('/spacy/zh_model')doc = nlp('西门子将努力参与中国的三峡工程建设。')for token in doc: print(token.text,token.dep_,token.head)

输出结果如下：

西门子 nsubj 参与将 advmod 参与努力 advmod 参与参与 ROOT 参与中国 det 建设的 case:dec 中国三峡工程 nmod 建设建设 obj 参与。 punct 参与

也可以使用spaCy内置的可视化工具：

from spacy import displacydisplacy.render(doc,type='dep')

结果如下：

5、使用命名实体识别

spaCy中文NER模型采用ontonotes 5.0数据集训练。

例如：

import spacynlp = spacy.load('/spacy/zh_model')doc = nlp('西门子将努力参与中国的三峡工程建设。')for ent in doc.ents: print(ent.text,ent.label_)

输出结果如下：

西门子 ORG中国 GPE三峡工程 FAC

也可以使用spaCy内置的可视化工具：

from spacy import displacydisplacy.render(doc,type='ent')

运行结果如下：

---

原文链接：spaCy2.1中文模型包 — 汇智网paCy