Python調用中科院NLPIR（ICTCLAS2015）詳解
南京理工大學 計算機科學與工程學院
RuiXia_NUSTM課題組 ChaoLiu（lch614730@163.com）
-------------------------
主要講解內容：
1. NLPIR版本及下載
2. 代碼問題
3. userdict的使用問題
-------------------------
友情提示：如果是swig問題，自己處理。首先下載swig，swig可以幫助我們將C或者C++編寫的DLL或者SO文件綁定到包括Python在內的多種語言。Windows下將安裝包下載到一定目錄下將該目錄加入環境變量的path中即可使用swig（當然也可以輸入完整的路徑來使用swig）。可以打開命令行窗口，在里面輸入swig，如果出現“Must specify an input file. Use -help for available options.”則表示一切順利。
1.NLPIR（ICTCLAS2015）下載地址：http://ictclas.nlpir.org/downloads，目錄如下：
其中【組合包（本人臨時建立文件，所需要的僅是本文件夾里面的內容）】中的內容需要：
其中： bin文件夾（自己新建的）下包括：importuserdict文件夾下zip解壓文件。Data文件夾為上級目錄的Data文件夾所有內容，nlpir、__init__.py、nlpir.py為sample\pythonsample文件夾下文件。
2. A將【組合包】文件夾下的所有內容放入你自己的項目當中，注意修改nlpir.py代碼中dll的路徑，如下圖紅圈所示：其中32bit還是64bit是由你自己的python.exe版本決定，而不是你自己的操作系統。
B、為了分詞、詞性標注、分隔符便於編程，可將nlpir.py代碼中的Seg函數改寫成：
------------------------------------------------------------------------------------------
'''
Chao Liu(njust NUSTM RuiXia)
'''
def NLPIR_Seg_Pos(paragraph,flag = True,echo = '/'):
# NLPIR 分詞 Parameters（paragraph：字符串 ,flag：是否標注詞性,echo：詞性分割符）
para_seg_pos = ''
atoms = segment(paragraph)
for a in atoms:
if len(a.sPOS) < 1: continue
i = paragraph[a.start: a.start + a.length]#.decode('utf-8')#.encode('ascii')
#yield (i, a.sPOS)
if flag == False :
para_seg_pos = para_seg_pos + (str(i) + ' ')
else:
para_seg_pos = para_seg_pos + (str(i)+ echo + a.sPOS +' ')
return para_seg_pos.rstrip()
-----------------------------------------------------------------------------------------
3. userdict用戶字典的導入問題，下載的zip包中，有一個文件夾importuserdict，里面有個readme.txt文件，具體操作請看：
采用附件的小工具，可以實現脫機導入用戶詞典；具體步驟如下：
1.與分詞Data文件夾同級建立 bin目錄，下面建立二級目錄ICTCLAS2014;
2.將附件的內容解壓縮后放在ICTCLAS2014下面；
3.編輯bin/ICTCLAS2014下面的userdic.txt，這里放置用戶詞典與標注；
4.執行bin/ICTCLAS2014的批處理文件。即可導入用戶詞典到Data目錄下的field.pdat field.pos。
5.30萬詞條會划分更多的時間，可能需要2小時左右。
4.其他問題
如若py代碼中調用不同文件夾下的py程序，需在各級目錄中添加 __init__.py文件，里面無需存放任何代碼。
只需要在py開始添加python系統path，然后在導入文件py，例如：
import sys
sys.path.append('libsvm-3.20/python') //可添加絕對路徑，也可以添加相對路徑。
from svmutil import *