标签：语义 E6% srl https hanlp2 hanlp 标注

hanlp 2.x的文档逻辑不太好看，这里记录一下语义角色标注任务的相关代码与文档中的重要内容

hanlp github地址：https://github.com/hankcs/HanLP

hanlp各种任务缩写：https://hanlp.hankcs.com/docs/data_format.html#naming-convention
从文档中可以看到“tok”是分词，“srl”是语义角色标注

hanlp语义角色标注标签含义：https://hanlp.hankcs.com/docs/annotations/srl/cpb.html#chinese-proposition-bank

在线的示例demo：https://hanlp.hankcs.com/?sentence=%E8%AF%AD%E4%B9%89%E8%A7%92%E8%89%B2%E6%A0%87%E6%B3%A8%E6%98%AF%E4%B8%80%E7%A7%8D%E6%B5%85%E5%B1%82%E7%9A%84%E8%AF%AD%E4%B9%89%E5%88%86%E6%9E%90%E6%8A%80%E6%9C%AF

任务思路

1. 导入模型（更多请参考：https://blog.csdn.net/weixin_35757704/article/details/122741836）
2. 传入句子，说明需要执行的任务
3. 导出结果

示例代码

import hanlp

if __name__ == '__main__':
    # 导入模型
    lp_model = hanlp.load(hanlp.pretrained.mtl.CLOSE_TOK_POS_NER_SRL_DEP_SDP_CON_ELECTRA_SMALL_ZH)
    sentences = [
        "语义角色标注是一种浅层的语义分析技术，标注句子中某些短语为给定谓词的论元 (语义角色) ，如施事、受事、时间和地点等。其能够对问答系统、信息抽取和机器翻译等应用产生推动作用。",
    ]
    for _se in sentences:
        sentences_analyze = lp_model(_se, tasks=['tok', 'srl'])  # 执行分词与语义标注
        srl_analyze = sentences_analyze['srl']
        for srl_info in srl_analyze:
            for text, mark, index_0, index_1 in srl_info:
                print(text, mark)
                pass
            pass

得到的结果：

语义角色标注 ARG0
是 PRED
一种浅层的语义分析技术 ARG1
标注 PRED
句子中某些短语为给定谓词的论元(语义角色)，如施事、受事、时间和地点等 ARG1
为 PRED
给定谓词的论元 ARG1
其 ARG0
产生 PRED
推动作用 ARG1

标签：语义,E6%,srl,https,hanlp2,hanlp,标注
来源： https://blog.csdn.net/weixin_35757704/article/details/122750276

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。