Python 如何在NLTK中使用斯坦福单词标记器？

我正在寻找在nltk中使用斯坦福单词标记器的方法，我想使用，因为当我比较斯坦福和nltk单词标记器的结果时，它们都是不同的。我知道可能有办法使用斯坦福标记器，就像我们可以在NLTK中使用斯坦福POS标记器和NER一样

是否可以在不运行服务器的情况下使用stanford tokenizer

---

谢谢

注意：此解决方案仅适用于：

• NLTK v3.2.5（v3.2.6会有一个更简单的接口）

• 斯坦福大学CoreNLP（版本>=2016-10-31）

首先，您必须首先正确安装Java 8，如果Stanford CoreNLP在命令行上工作，NLTK v3.2.5中的Stanford CoreNLP API如下所示

注意：在NLTK中使用新的CoreNLP API之前，必须在终端中启动CoreNLP服务器

在终端上：

wget http://nlp.stanford.edu/software/stanford-corenlp-full-2016-10-31.zip
unzip stanford-corenlp-full-2016-10-31.zip && cd stanford-corenlp-full-2016-10-31

java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer \
-preload tokenize,ssplit,pos,lemma,parse,depparse \
-status_port 9000 -port 9000 -timeout 15000

在Python中：

>>> from nltk.parse.corenlp import CoreNLPParser
>>> st = CoreNLPParser()
>>> tokenized_sent = list(st.tokenize('What is the airspeed of an unladen swallow ?'))
>>> tokenized_sent
['What', 'is', 'the', 'airspeed', 'of', 'an', 'unladen', 'swallow', '?']

---

在NLTK之外，您可以使用：

安装 设置环境

---

请看一下有没有一种方法可以使用服务器进行词性标注？我认为，正常的

nltk.tag.stanfordpastagger

不会将服务器地址作为参数。

cd ~
wget http://nlp.stanford.edu/software/stanford-corenlp-full-2016-10-31.zip
unzip stanford-corenlp-full-2016-10-31.zip && cd stanford-corenlp-full-2016-10-31
pip3 install -U https://github.com/stanfordnlp/python-stanford-corenlp/archive/master.zip

# On Mac
export CORENLP_HOME=/Users/<username>/stanford-corenlp-full-2016-10-31/

# On linux
export CORENLP_HOME=/home/<username>/stanford-corenlp-full-2016-10-31/

>>> import corenlp
>>> with corenlp.client.CoreNLPClient(annotators="tokenize ssplit".split()) as client:
...     ann = client.annotate(text)
... 
[pool-1-thread-4] INFO CoreNLP - [/0:0:0:0:0:0:0:1:55475] API call w/annotators tokenize,ssplit
Chris wrote a simple sentence that he parsed with Stanford CoreNLP.
>>> sentence = ann.sentence[0]
>>> 
>>> [token.word for token in sentence.token]
['Chris', 'wrote', 'a', 'simple', 'sentence', 'that', 'he', 'parsed', 'with', 'Stanford', 'CoreNLP', '.']