python - 用于 python 的斯坦福 nlp

Question

我要做的就是找到任何给定字符串的情绪(正面/负面/中立)。在研究过程中，我遇到了斯坦福 NLP。但遗憾的是它在Java中。关于如何使它适用于 python 的任何想法？

Answer 1

使用 py-corenlp

下载Stanford CoreNLP

此时(2020-05-25)最新版本为4.0.0:

wget https://nlp.stanford.edu/software/stanford-corenlp-4.0.0.zip https://nlp.stanford.edu/software/stanford-corenlp-4.0.0-models-english.jar

如果您没有 wget , 你可能有 curl :

curl https://nlp.stanford.edu/software/stanford-corenlp-4.0.0.zip -O https://nlp.stanford.edu/software/stanford-corenlp-4.0.0-models-english.jar -O

如果一切都失败了，请使用浏览器;-)

安装包

unzip stanford-corenlp-4.0.0.zip
mv stanford-corenlp-4.0.0-models-english.jar stanford-corenlp-4.0.0

启动server

cd stanford-corenlp-4.0.0
java -mx5g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -timeout 10000

注意事项:

1. timeout 以毫秒为单位，我在上面设置为 10 秒。如果向服务器传递巨大的 blob，则应该增加它。
2. 有more options ，您可以使用 --help 列出它们。
3. -mx5g 应该分配足够的memory ，但 YMMV，如果您的盒子功率不足，您可能需要修改该选项。

安装python包

标准包

pip install pycorenlp

不是否适用于 Python 3.9，所以您需要这样做

pip install git+https://github.com/sam-s/py-corenlp.git

(另见 the official list)。

使用它

from pycorenlp import StanfordCoreNLP

nlp = StanfordCoreNLP('http://localhost:9000')
res = nlp.annotate("I love you. I hate him. You are nice. He is dumb",
                   properties={
                       'annotators': 'sentiment',
                       'outputFormat': 'json',
                       'timeout': 1000,
                   })
for s in res["sentences"]:
    print("%d: '%s': %s %s" % (
        s["index"],
        " ".join([t["word"] for t in s["tokens"]]),
        s["sentimentValue"], s["sentiment"]))

你会得到:

0: 'I love you .': 3 Positive
1: 'I hate him .': 1 Negative
2: 'You are nice .': 3 Positive
3: 'He is dumb': 1 Negative

注意事项

1. 您将整个文本传递给服务器，服务器将其拆分为句子。它还将句子拆分为标记。
2. 情感归因于每个句子，而不是整个文本。 mean跨句子的sentimentValue可以用来估计整个文本的情绪。
3. 句子的平均情绪介于 Neutral (2) 和 Negative (1) 之间，范围从 VeryNegative (0)到 VeryPositive (4) 这似乎相当罕见。
4. 您可以stop the server通过在您启动它的终端上键入 Ctrl-C 或使用 shell 命令 kill $(lsof -ti tcp:9000)。 9000 是默认端口，您可以在启动服务器时使用 -port 选项更改它。
5. 如果遇到超时错误，请增加服务器或客户端中的 timeout(以毫秒为单位)。
6. sentiment只是一个注释器，有many more ，您可以请求多个，用逗号分隔它们:'annotators': 'sentiment,lemma'。
7. 请注意，情绪模型有些特殊(例如，the result is different depending on whether you mention David or Bill)。

附言。我不敢相信我添加了 9th 答案，但是，我想，我不得不这样做，因为现有的答案都没有帮助我(之前的 8 个答案中的一些现在已被删除，其他一些已被删除)转换为评论)。