Python 命名实体识别(NER) 库 使用指南_开源ner调用

一、前言

最近工作中需要使用命名实体识别来做一版人名及机构名的预识别demo，评估了独立训练一套NER模型所耗费的标注成本巨大，加上目前只是对该需求进行demo版本的开发，所以花了一段时间对目前现有的开源 NER 工具包进行了调研及优缺点评估。

这次主要使用的开源 NER 工具包有：

• StanfordCoreNLP

 https://stanfordnlp.github.io/CoreNLP/

• Hanlp

http://www.hanlp.com/

• foolNLTK

https://github.com/rockyzhengwu/FoolNLTK

• LTP

http://www.ltp-cloud.com/

现在将安装步骤，使用方法，及一些优缺点分析记录在此。

---

二、StanfordCoreNLP

StanfordCoreNLP 是斯坦福大学发布的 NLP 处理工具，StanfordCoreNLP 的源码使用 Java 编写，目前 Python 可以用两种方法进行调用，一种是使用 StanfordCoreNLP 库，是对 StanfordCoreNLP 进行了 Python 封装。而另一种方法是直接使用 Stanford 官方发布的 Python 版本 StanfordNLP。这里介绍第一种方式。

1.安装方法

(1) 首先  pip install stanfordcorenlp 

(2) 其次 由于其源码为 JAVA 编写，所以需要 JDK1.8 及以上版本的支持，下载安装 JDK1.8

(3) 下载 StanfordCoreNLP 的相关文件 ，主要是 相关语言的 JAR 模型，以及 CoreNLP 3.9.2

(4) 解压下载好的 CoreNLP 文件，并将 JAR 模型放在加压好的文件夹中

以上就完成了安装准备工作，可以开始使用 StanfordCoreNLP 来进行分词，词性标注，命名实体识别等工作了。

2.调用方法

接下来，记录一下 使用 StanfordCoreNLP 进行 NER 时的调用方法。<