新智元报道
来源：stanfordnlp.github.io
编辑：肖琴
【新智元导读】斯坦福团队最新发布一个NLP任务的软件包StanfordNLP，通过Python接口为53种语言提供标记、依存句法分析等NLP任务的重要工具。
今天，斯坦福NLP团队发布一个重磅NLP工具包：StanfordNLP。
StanfordNLP是一个软件包组合，包括斯坦福团队在CoNLL2018的通用依存解析(UniversalDependencyParsing)共享任务上使用的软件包，以及斯坦福CoreNLP软件的官方Python接口。
StanfordNLP支持包括阿拉伯语、中文、英语等53种语言(全部语言列表见文末)。
除了从CoreNLP继承的功能外，StanfordNLP还包含将一串文本转换成句子和单词列表，生成这些单词的基本形式、它们的词类和形态学特征的工具，以及超过70种语言的句法结构。
展开全文
这个软件包采用高准确性的神经网络组件构建，这些组件支持用户使用自己的注释数据进行高效的训练和评估。这些模块构建在PyTorch上。
StanfordNLP具有以下特征：
本地Python实现，只需最少的设置工作;用于稳健的文本分析的完整神经网络pipeline，包括tokenization、多词标记(MWT)扩展、外延化、词类(POS)和形态学特征标记，以及依存句法分析(dependencyparse)；支持73个treebank中53种(人类)语言的预训练神经模型；稳定、官方维护的转到CoreNLP的Python接口。
获取地址：
安装与测试
我们强烈建议使用pip安装StanfordNLP，这非常简单
要查看StanfordNLP的neuralpipeline的运行情况，可以启动Python交互式解释器，并尝试以下命令：
最后，我们应该能看到示例中第一句的依存句法分析。更多详细指南，请参阅官方入门指南：
除了neuralpipeline之外，StanfordNLP还提供了用于访问JavaStanfordCoreNLPServer的官方Python包装器。要使用它，首先需要像下面这样设置CoreNLP包：
下载你希望使用的语言的StanfordCoreNLP和模型。将模型的jar包放到分发文件夹中告诉StanfordCoreNLP所在的位置：exportCORENLP_HOME=/path/to/stanford-corenlp-full-2018-10-05
设置完CoreNLP之后，就可以按照我们的演示脚本进行测试。
演示脚本：
输出应该像下面这样：
StanfordNLP支持的所有语言：
更多阅读：
孙剑出任院长！西交大成立人工智能学院，本科必修课表曝光Science封面里程碑研究！纳米级成像，人类终于看清大脑每个神经元刚刚，任正非回应一切：对今天的困难，华为已备战十几年！
新智元AI技术+产业社群招募中，欢迎对AI技术+产业落地感兴趣的同学，加小助手_2入群;通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名-公司-职位;专业群审核较严，敬请谅解）。
