用python做中文命名實(shí)體識(shí)別的庫(kù)有哪些？在這里我們推薦一個(gè)folnltk中文文字處理工具包供參與者使用：對(duì)于分詞，請(qǐng)指定一個(gè)參數(shù)以增加每次分詞的行數(shù)。字典的格式如下：?jiǎn)卧~的權(quán)重越高，單詞的長(zhǎng)度越長(zhǎng)

用python做中文命名實(shí)體識(shí)別的庫(kù)有哪些？

在這里我們推薦一個(gè)

folnltk

中文文字處理工具包

供參與者使用：

對(duì)于分詞，請(qǐng)指定一個(gè)參數(shù)以增加每次分詞的行數(shù)。

字典的格式如下：?jiǎn)卧~的權(quán)重越高，單詞的長(zhǎng)度越長(zhǎng)，單詞出現(xiàn)的可能性越大。單詞權(quán)重值應(yīng)大于1。

加載字典：

POS tag

實(shí)體識(shí)別

如何用Python中的NLTK對(duì)中文進(jìn)行分析和處理？

我覺(jué)得nltk完全可以用于處理中文。重點(diǎn)研究了漢語(yǔ)分詞和文本表達(dá)的形式。

中文和英文的主要區(qū)別是中文需要分詞。由于nltk的處理粒度一般都是單詞，所以我們必須先對(duì)文本進(jìn)行切分，然后使用nltk進(jìn)行處理（我們不需要使用nltk進(jìn)行分詞，直接使用分詞包即可）。認(rèn)真推薦口吃分詞，非常好用）。

中文分詞后，文本是一個(gè)長(zhǎng)的單詞數(shù)組：[word1，word2，Word3 wordn]，然后您可以使用nltk中的各種方法來(lái)處理文本。例如，使用FrqDIST對(duì)文本的詞頻進(jìn)行計(jì)數(shù)，使用BigRAMs將文本轉(zhuǎn)換成兩個(gè)短語(yǔ)的形式：[（Word1，Word2），（Word2，Word3），（Word3，Word4）（WordN-1，Wordn）]

！首先，它取決于基礎(chǔ)，如數(shù)學(xué)、軟件、算法、體系結(jié)構(gòu)、心理學(xué)、自動(dòng)化、腦科學(xué)，統(tǒng)計(jì)學(xué)等等。

其次，要看你想解決哪些問(wèn)題，比如視覺(jué)識(shí)別、自動(dòng)駕駛、天氣預(yù)報(bào)、語(yǔ)音語(yǔ)義學(xué)、定量金融、圖像處理、金融分析等，每個(gè)領(lǐng)域的要求都不一樣。例如，那些做醫(yī)學(xué)碰撞診斷的人需要學(xué)習(xí)一些影像學(xué)知識(shí)。

需要找一位有學(xué)問(wèn)的專業(yè)老師，如果自學(xué)，就必須進(jìn)入專業(yè)交流圈。