我需要使用NLTK执行文本预处理任务，例如句子拆分，标记化和标记。我想使用GENIA标记符进行标记。我正在使用Anaconda 3.10版，并通过以下命令安装了geniatagger。
import geniatagger
tagger =geniatagger.GeniaTagger('C:\Users\dell\Anaconda\geniatagger\geniatagger')
print tagger.parse('Welcome to natural language processing!')
在IPython控制台中，我输入以下代码。
---------------------------------------------------------------------------
WindowsError Traceback (most recent call last)
<ipython-input-2-52e4d65c2d02> in <module>()
----> 1 tagger = geniatagger.GeniaTagger('C:\Users\dell\Anaconda\geniatagger\geniatagger')
2 print tagger.parse('Welcome to natural language processing!')
3
C:\Users\dell\Anaconda\lib\site-packages\geniatagger_python-0.1-py2.7.egg\geniatagger.pyc in __init__(self, path_to_tagger)
19 self._tagger = subprocess.Popen('./'+os.path.basename(path_to_tagger),
20 cwd=self._dir_to_tagger,
---> 21 stdin=subprocess.PIPE, stdout=subprocess.PIPE)
22
23 def parse(self, text):
C:\Users\dell\Anaconda\lib\subprocess.pyc in __init__(self, args, bufsize, executable, stdin, stdout, stderr, preexec_fn, close_fds, shell, cwd, env, universal_newlines, startupinfo, creationflags)
708 p2cread, p2cwrite,
709 c2pread, c2pwrite,
--> 710 errread, errwrite)
711 except Exception:
712 # Preserve original exception in case os.close raises.
C:\Users\dell\Anaconda\lib\subprocess.pyc in _execute_child(self, args, executable, preexec_fn, close_fds, cwd, env, universal_newlines, startupinfo, creationflags, shell, to_close, p2cread, p2cwrite, c2pread, c2pwrite, errread, errwrite)
956 env,
957 cwd,
--> 958 startupinfo)
959 except pywintypes.error, e:
960 # Translate pywintypes.error to WindowsError, which is
WindowsError: [Error 2] The system cannot find the file specified
按Enter键时出现以下错误消息。
{{1}}
为什么会收到此错误消息？我怎样才能解决这个问题？
如果我立即使用此标记，它是否也会执行标记化部分？
注意：geniatagger python文件位于'geniatagger'文件夹中。
答案 0 :(得分：2)
<强> TL; DR ：
# Install Genia Tagger (C code).
$ git clone https://github.com/saffsd/geniatagger && cd geniatagger && make && cd ..
# Install Genia Tagger (python wrapper)
$ git clone https://github.com/informationsea/geniatagger-python.git && cd geniatagger-python && sudo python setup.py install && cd ..
$ python
>>> from geniatagger import GeniaTagger
>>> tagger = GeniaTagger('./geniatagger/geniatagger')
>>> loading morphdic...done.
loading pos_models................done.
loading chunk_models....done.
loading named_entity_models..done.
>>> print tagger.parse('This is a pen.')
[('This', 'This', 'DT', 'B-NP', 'O'), ('is', 'be', 'VBZ', 'B-VP', 'O'), ('a', 'a', 'DT', 'B-NP', 'O'), ('pen', 'pen', 'NN', 'I-NP', 'O'), ('.', '.', '.', 'O', 'O')]
我不确定Genia tagger的软件包是否可以从conda开箱即用，所以我认为原生的python / pip修复更简单。
首先，在NLTK中不支持Genia Tagger（至少尚未=）），因此NLTK安装/模块不存在问题。
问题可能在于原始GeniaTagger C代码使用的一些过时导入（http://www.nactem.ac.uk/tsujii/GENIA/tagger/）。
所以要解决这个问题，你必须在原始代码中添加#include <cstdlib>，但谢天谢地@saffsd已经这样做了，并把它很好地放在他的github仓库中（https://github.com/saffsd/geniatagger/blob/master/morph.cpp）
然后安装python包装器，您可以：
从官方pypi安装：pip install https://pypi.python.org/packages/source/g/geniatagger-python/geniatagger-python-0.1.tar.gz
或使用其他一些github repo来安装，例如首先出现在谷歌搜索中的https://github.com/informationsea/geniatagger-python
最后，python中的GeniaTagger初始化是相当奇怪的，因为它并没有真正占用标记器目录的路径，而是标记器本身，并假设模型文件位于同一目录中标记器，请参阅https://github.com/informationsea/geniatagger-python/blob/master/geniatagger.py#L19。
并且可能期望使用＆＃39; ./'在第一级目录路径中，您必须将标记器初始化为GeniaTagger('./geniatagger/geniatagger')。
超出安装问题。如果你对GeniaTagger使用python包装器，GeniaTagger对象中只有一个函数，即parse()，当你使用parse()时，它会输出一个元组列表对于每个句子，输入是一个句子字符串。每个元组中的项目是：