TIP-LAS 藏语分词工具使用

2024-05-17 19:06:51

最近处理藏语语料的时候找到了李亚超老师的TIP-LAS，详细介绍可见论文: TIP-LAS:一个开源的藏文分词词性标注系统
这个工具可以对藏语进行分词、词性标注处理。只是使用时遇到了一些问题，在此记录。

1.安装

论文中给出的github项目地址已经失效，现在的下载地址可见：TIP-LAS: An open source toolkit for Tibetan word segmentation and part of speech tagging。
安装方法已经在文档中详细写出，我是在Linux环境下使用的此工具，也就是进入解压后的主目录然后使用make命令进行编译即可，但是在编译最后一个文件的时候出现了错误：

g++ -g -o ./tip-las utility/SentenceSplit.o utility/StringOperation.o utility/POSExtract.o utility/StringSplit.o utility/StringType.o utility/TextClassification.o utility/Tokenize.o taggin
g/Sample.o tagging/Model.o tagging/Decoder.o tagging/Perceptron.o Formatting.o Las.o Main.o -lpthread -ldl
/usr/bin/ld：无法打开输出文件 ./tip-las：是一个目录

解决方法： 在解压后的文件里，会看到一个tip-las的空文件夹，在编译之前删掉即可。

2.运行

项目文档中给出了训练和测试的命令，也可以向李老师直接发邮件要一份已经训练好的模型，李老师邮件地址可以在项目首页文档中找到（李老师回复的还是很快的哈哈）
运行工具的命令是：

./tip-las test ws/pos/all input_file output_file

上述wa/pos/all分别表示分词，词性标注和同时进行两种处理，我在这里只用到了分词，所以命令是./tip-las test ws input_file output_file，对于不同的功能，输入数据文件的要求具体可以参考上面给出的项目地址文档。

注意！

模型文件直接放在主文件，也就是你运行上面命令的文件夹下就好（虽然没有在命令中指明模型，但是在进行处理的时候应该会自动寻找相应模型）；
分词模型和词性标注模型并不同，如果是运行./tip-las test all input_file output_file，那么需要两个模型都存在，我只试验过分词模型：）；

TIP-LAS 藏语分词工具使用相关推荐

梵语和藏语_【语言学】梵语与藏语的比较小论
讲师:白景皓(讲解) 1.梵语梵语是印欧语系的印度-伊朗语族的印度-雅利安语支的一种语言,是印欧语系最古老的语言之一.和拉丁语一样,梵语已经成为一种属于学术和宗教的专门用语.梵语文法的主要特征是复杂 ...
python 分词工具训练_中文分词入门和分词工具汇总攻略
[注意]如果寻找分词和文本分析软件,为了完成内容分析和其他文本研究任务,直接使用集搜客分词和文本分析软件就可以了.本文是为了讲解集搜客分词和文本分析的实现原理,是给产品设计者和开发者看的. 最近在整理 ...
腾讯翻译君在线翻译怎么翻译整个文件_藏语怎么翻译成中文？这两方法非常好用...
就算你真的不会翻译,掌握一些翻译方法还是非常有必要的.因为有时候我们会遇到一些比较特殊的语言,比如说藏语.藏语怎么翻译成中文呢?如果你不知道,那么这两种翻译方法,你值得拥有. 一.工具翻译工具:文档 ...
分词工具与方法：jieba、spaCy等
分词是自然语言处理中的一项重要任务,将一段文本划分成一系列有意义的词语或单词,是很多文本处理任务的基础,如文本分类.情感分析.机器翻译等.在中文分词中,jieba是一个常用的分词工具,而在英文分词中, ...
各种中文分词工具的使用方法
诸神缄默不语-个人CSDN博文目录本文将介绍jieba.HanLP.LAC.THULAC.NLPIR.spacy.stanfordcorenlp.pkuseg等多种中文分词工具的简单使用方法. 对于 ...
6大中文分词工具测试比较
中文分词工具比较 6大中文分词器测试(jieba.FoolNLTK.HanLP.THULAC.nlpir.ltp) 哈工大LTP.中科院计算所NLPIR.清华大学THULAC和jieba 个人接触的分 ...
自然语言处理学习笔记2：分词工具及分词原理
中文分词(Chinese Word Segmentation) 指的是将一个汉字序列切分成一个一个单独的词.分词就是将连续的字序列按照一定的规范重新组合成词序列的过程.我们知道,在英文的行文中,单词之 ...
TiBERT：藏语预训练语言模型——中文翻译
TiBERT--藏语预训练语言模型摘要预训练语言模型在大规模无标签文本上进行训练,可以在许多不同的下游任务中获得最先进的结果.然而,目前的预训练语言模型主要集中在汉语和英语领域.对于藏语这样的 ...
藏语计算机语言学基础知识,语言学概论（00541）基础知识点.docx
<语言学概论>00541 精讲1 第一章第一节认识人类的语言 1.只有人类才有语言(内容多.用处大.能够创造)［选择/没考过］ 2.语言和民族的关系［简答］--语言是民族的重要标志:同 ...

最新文章

热门文章