环境配置：

1、cd到该文件夹，打开cmd命令行python配置环境：
输入：
pip install nltk
2、安装JDK进行java环境配置
安装jdk，安装包链接：链接：https://pan.baidu.com/s/1TTSVMrDZZ74gbjbgrUz4xw 提取码：mlnv
配置环境变量，详情参照：https://blog.csdn.net/qq_16085405/article/details/80700804
3、下载stanford-ner-2018-10-16进行人名识别环境配置
下载链接：https://pan.baidu.com/s/1FhM4ZSORNSPcncci7uzz2g 提取码：nhyw
下载Stanford NER的zip文件解压后的文件夹的路径为：E://stanford-ner-2018-10-16

源码

首先对大佬表示感谢，参考文章：点击
粘一下大佬的代码：（stanford-ner要比ner的效果好，详情看大佬原文）

import re
from nltk.tag import StanfordNERTagger
import os
import pandas as pd
import nltkclass check(object):def __init__(self):passdef parse_document(document):document = re.sub('\n', ' ', document)if isinstance(document, str):document = documentelse:raise ValueError('Document is not string!')document = document.strip()sentences = nltk.sent_tokenize(document)sentences = [sentence.strip() for sentence in sentences]return sentencesdef check_name(article_content):sentences = check.parse_document(article_content)tokenized_sentences = [nltk.word_tokenize(sentence) for sentence in sentences]# set java path in environment variablesjava_path = r'C:\Program Files\Java\jdk1.8.0_161\bin\java.exe'os.environ['JAVAHOME'] = java_path# load stanford NERsn = StanfordNERTagger('E://stanford-ner-2018-10-16/classifiers/english.muc.7class.distsim.crf.ser.gz',path_to_jar='E://stanford-ner-2018-10-16/stanford-ner.jar')# tag sentences   最重要的一步分类算法ne_annotated_sentences = [sn.tag(sent) for sent in tokenized_sentences]# extract named entitiesnamed_entities = []for sentence in ne_annotated_sentences:temp_entity_name = ''temp_named_entity = Nonefor term, tag in sentence:# get terms with NE tagsif tag != 'O':temp_entity_name = ' '.join([temp_entity_name, term]).strip() #get NE nametemp_named_entity = (temp_entity_name, tag) # get NE and its categoryelse:if temp_named_entity:named_entities.append(temp_named_entity)temp_entity_name = ''temp_named_entity = None# get unique named entitiesnamed_entities = list(set(named_entities))###########      named_entities是识别结果      ##########name = []for n in named_entities:if n[1] == 'PERSON':name.append(n[0])return namettt = 'The case was prosecuted by Trial Attorney Joseph Palazzo of the Money Laundering and Asset Recovery Section and Assistant U.S. Attorneys Thomas A. Gillice, Luke Jones, Karen Seifert and Deborah Curtis and Special Assistant U.S. Attorney Jacqueline L. Barkett of the U.S. Attorney’s Office for the District of Columbia.'
name = check.check_name(ttt)
print(name)

debug

1、如果运行报错 NLTK was unable to find the java file! Use softwarespecific configuration paramaters or set the JAVA
参考：https://blog.csdn.net/LIUSHAO123456789/article/details/79486997

python NLTK识别字符串中的人名等，命名实体识别相关推荐

python 如何识别字符串中的人名，如何识别一串拼音字符串以及韵母的提取（一些方法整理）
一.识别字符串中的人名或特定名词笔者所用的是百度智能云提供的词法分析接口,它可以对字符串分词,并且能够识别句子中的人名,地名,等等.好,接下来教你们如何使用这个接口. 官网:https://clou ...
[Python人工智能] 二十七.基于BiLSTM-CRF的医学命名实体识别研究（下）模型构建
这篇文章写得很冗余,但是我相信你如果真的看完,并且按照我的代码和逻辑进行分析,对您以后的数据预处理和命名实体识别都有帮助,只有真正对这些复杂的文本进行NLP处理后,您才能适应更多的真实环境,坚持!毕竟 ...
python Name Entity Recognition(NER) extract company name 命名实体识别提取公司名
命名实体识别(NER)可能是信息提取的第一步,该过程旨在将文本中的命名实体定位和分类为预定义类别,例如人员名称,组织,位置,时间表达,数量,货币价值,百分比,等等.NER在自然语言处理(NLP)的许多 ...
命名实体识别_用膨胀卷积进行命名实体识别 NER
BiLSTM+CRF 是命名实体识别中最为流行的模型,但是 LSTM 需要按顺序处理输入的序列,速度比较慢.而采用 CNN 可以更高效的处理输入序列,本文介绍一种使用膨胀卷积进行命名实体识别的方法 I ...
python 命名实体识别_命名实体识别的两种方法
作者:Walker 目录一．什么是命名实体识别二．基于NLTK的命名实体识别三．基于Stanford的NER 四．总结一 .什么是命名实体识别? 命名实体识别(Named Entity Rec ...
实体对齐算法_中英命名实体识别及对齐中的中文分词优化论文笔记
1.计算命名实体词汇对齐的置信度:对一个中英双语句对,中文在初始分词的基础上进行命名实体识别. 2.分词工具:采用中科院分词工具ICTCLAS.Stanford分词工具对中文句子进行分词,其中Stan ...
命名实体识别python_命名实体识别的两种方法
作者 | Walker [磐创AI导读]:本文主要介绍自然语言处理中的经典问题--命名实体识别的两种方法. 目录一．什么是命名实体识别二．基于NLTK的命名实体识别三．基于Stanford的NE ...
命名实体识别的两种方法
作者:Walker 目录一．什么是命名实体识别二．基于NLTK的命名实体识别三．基于Stanford的NER 四．总结一 .什么是命名实体识别? 命名实体识别( ...
NLP实战：面向中文电子病历的命名实体识别
一.前言本篇文章是关于NLP中的中文命名实体识别(Named Entity Recognition,NER)的实战项目,该项目利用了大型预训练语言模型BERT和BiLSTM神经网络结构来进行NER任 ...

python NLTK识别字符串中的人名等，命名实体识别

环境配置：

源码

debug

python NLTK识别字符串中的人名等，命名实体识别相关推荐

最新文章

热门文章