Blog

[NLP][Python] 中文自然語言分析的工具: THULAC

說實話，我好久沒用到這個工具了，最近突然有這種需要，便挖出以前研究過的程式碼，並開始尋找是否有我當初沒有測試過的功能，順便紀錄成筆記。

有時候會想，若是當初有像現在這樣紀錄筆記該有多好，能夠留點東西給自己、方便查詢。

HanLp 的全名為 Han Language Processing，根據 Github 的 README 介紹，其由『大快搜尋』開發並且開源於網路上。

HanLP 提供了各式各樣的功能，包括：

以上眾多的功能，我想我肯定還有漏掉的部份。

如果想要參閱這個工具的 Github，請看這邊： https://github.com/hankcs/HanLP

如果想要在線上直接試用這個工具，你也可以去他們在線演示的網站： http://hanlp.com/

以下，我會展示該如何透過 Python 去呼叫這個工具，來完成一些自然語言處理的工作。

在處理各式各樣的 NLP 任務當中，難免會遇到有工具針對繁體、或簡體特別適合的情況 —— 畢竟這可能跟訓練語料有關。這時候，我們很有可能會需要能自動幫我們轉換中文簡繁的工具。而在 Python 當中，我覺得最方便的工具非 OpenCC 莫屬。

在繁體中文的自然語言處理（NLP）當中，CKIP 無疑是斷詞最精準、最負盛名的工具。這項工具是由台灣中研院資訊所、語言所於民國 75 年成立的中文語言言小組所開發，也在多個中文斷詞的比賽當中得過獎項。

之前由於 CKIP 一直沒有開源，導致需要前往官方的 Demo 網站試用（ https://ckip.iis.sinica.edu.tw/demo/ ），或者是寄信取得授權，可以使用下載版的 CKIP 一個月，看是要直接使用 bat 檔，或是使用 Python 另外調用。

『斷詞』（或者你習慣講『分詞』）的重要性在中文 NLP 當中幾乎可說是無人不知、無人不曉。若是今天我們要進行中文的句法分析，試想：若是我們連句子當中有哪些『詞』都不知道，只知道有什麼樣的『字』存在於句子中，那我們該如何去分析這個句子？

於是在進行中文處理時，『斷詞』的工作可謂是必不可少。
當然，搞不好往後的中文分析都是使用深度學習，到了那一天或許也不再需要斷詞啦，不過現階段還是要的。

最近幾天 Monster Hunter World: Iceborne 發售了（其實已經發售一段時間了），最近沉浸在獵龍的樂趣裡頭，真的是什麼都不想管了，哈哈哈哈。

如果你想看我當初遊玩心得的話，傳送門在這裡：魔物獵人《世界》Iceborne —— 發售首日至今心得

熟悉的魔物獵人終於又回來啦！為了這款大型共鬥遊戲始祖的遊戲，我甚至還推辭掉了一個比賽的報告（這是不良的示範！）從發售日開完一路奮戰狩獵至今，再次重回了高中時代和朋友、老弟共同享受狩獵魔物的那種無憂無慮的時光，導致我去實驗室幫老闆跑實驗時都在想魔物獵人，哈哈哈哈哈哈哈哈！

本篇分成三個部份介紹我至今的遊玩心得，分別為【作品介紹】、【遊玩心得】、【抱怨篇】三個部份！（最後一個其實沒什麼必要哈哈哈哈！我的粉絲濾鏡讓遊戲看起來超好玩的！）

目前為止，我認為已經介紹過許多簡單便可調用、也是開發界面比較常用到的元件。（其實只是我自己常用到，哈哈哈哈）

所以今天我把比較不常放在一起講的『下拉式選單』以及『BoxLayout』放在一起講，希望能趕快結束掉基本介紹的部份。

繼上次做了菜單與工具欄的筆記之後，今天再次介紹新的元件，也是我打算用於自己專案界面的元件。

今天主要簡單地介紹該如何使用 PyQt5 裡頭的 QProgrssBar、QHorizontalSlider、QDial 等三個元件。翻譯成中文的話不外乎是：進度條、滑動條、旋轉鈕。算是相當淺顯易懂。

PyInstaller 是一個相當方便的 Python 套件，主要目的是用於打包 Python 的 .py 檔成為 exe 執行檔。

這樣做的價值在於，我們可以很方便地發佈我們所寫的程式到那些電腦裡沒有安裝 Python 的人那邊。PyInstaller 會自動綁定你所需要的所有模組、套件，然後自動打包。（當然，這裡面的坑非常多，建議搭配 stackoverflow 以及 github 的問題討論，可以解決不少遇到的問題）