# FoolNLTK

**Repository Path**: wichell/FoolNLTK

## Basic Information

- **Project Name**: FoolNLTK
- **Description**: 中文处理工具包，可能不是最快的开源中文分词，但很可能是最准的开源中文分词
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 50
- **Created**: 2018-03-14
- **Last Updated**: 2022-05-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# FoolNLTK
中文处理工具包

## 特点
* 可能不是最快的开源中文分词，但很可能是最准的开源中文分词
* 基于[BiLSTM模型](http://www.aclweb.org/anthology/N16-1030 )训练而成
* 包含分词，词性标注，实体识别,　都有比较高的准确率
* 用户自定义词典
* 可训练自己的模型
* 批量处理


## 定制自己的模型


```bash
get clone https://github.com/rockyzhengwu/FoolNLTK.git
cd FoolNLTK/train

```
详细训练步骤可参考[文档](./train/README.md)

仅在linux Python3　环境测试通过


## Install
```bash
pip install foolnltk
```


## 使用说明

##### 分词



```
import fool

text = "一个傻子在北京"
print(fool.cut(text))
# ['一个', '傻子', '在', '北京']
```
命令行分词, 可指定```-b```参数，每次切割的行数能加快分词速度

```bash
python -m fool [filename]
```

###### 用户自定义词典
词典格式格式如下，词的权重越高，词的长度越长就越越可能出现,　权重值请大于1
```
难受香菇 10
什么鬼 10
分词工具 10
北京 10
北京天安门 10
```
加载词典

```python
import fool
fool.load_userdict(path)
text = ["我在北京天安门看你难受香菇", "我在北京晒太阳你在非洲看雪"]
print(fool.cut(text))
#[['我', '在', '北京', '天安门', '看', '你', '难受', '香菇'],
# ['我', '在', '北京', '晒太阳', '你', '在', '非洲', '看', '雪']]
```

删除词典
```python
fool.delete_userdict();
```



##### 词性标注

```
import fool

text = ["一个傻子在北京"]
print(fool.pos_cut(text))
#[[('一个', 'm'), ('傻子', 'n'), ('在', 'p'), ('北京', 'ns')]]
```


##### 实体识别
```
import fool 

text = ["一个傻子在北京","你好啊"]
words, ners = fool.analysis(text)
print(ners)
#[[(5, 8, 'location', '北京')]]
```

#### 注意
* 有找不到模型文件的, 可以看下```sys.prefix```,一般默认为```/usr/local/```