除了中文分词,英文有没有相关分词的 API 或者开源软件?

2017-02-15 22:02:42 +08:00
Reign  Reign

英文的分词也不只是用空格分开那么简单,比如: The golden gate bridge is located in San Francisco ,这句话如果简单的用空格 explode 的话,最终会将“ golden gate bridge ”以及“ San Francisco ”给分拆开来而失去原有的意义,有没有这方面英文词组相关的分词 api 或者开源程序?

4748 次点击
所在节点   程序员  程序员
13 条回复
knightdf
knightdf
2017-02-15 22:16:14 +08:00
你想多了,这已经不是简单的分词了,是 entity extraction 了
ligyxy
ligyxy
2017-02-15 22:24:35 +08:00
second order phrase model
yangyaofei
yangyaofei
2017-02-15 22:27:23 +08:00
@knightdf 这不是 n-gram 么……
neurocomputing
neurocomputing
2017-02-15 22:28:28 +08:00
stanford 有开源的 NLP 包
slixurd
slixurd
2017-02-15 22:30:58 +08:00
所以一般英文处理的时候会保留位置信息...
knightdf
knightdf
2017-02-15 22:32:16 +08:00
@yangyaofei n-gram 只是方法
knightdf
knightdf
2017-02-15 22:37:54 +08:00
@knightdf 我说 extraction 也不对,应该叫 recognition
cszeus
cszeus
2017-02-16 03:15:04 +08:00
是想做 named entity recognition 还是 tokenization?
cszeus
cszeus
2017-02-16 03:16:14 +08:00
反正可以看看 standford 的 http://nlp.stanford.edu/software/CRF-NER.shtml#Starting 或者 NLTK
freeman
freeman
2017-02-16 09:02:45 +08:00
还有那种没有空格的,比如: goldnecklace(gold necklace)
holajamc
holajamc
2017-02-16 14:54:39 +08:00
斯坦福的 CoreNLP ,如果是 Java 程序员的话可以直接用,也可以配合 Python NLTK ,另外连续相同的单词首字母大写可以划分为一个词咩(逃
liyu4
liyu4
2017-02-16 17:20:19 +08:00
wocao ,英文分词你还要怎么样!
BarryLu
BarryLu
2020-11-16 19:33:24 +08:00
您好!请问一下,这个分词需求您后来用什么解决了?

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/340752

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX