命名实体识别代码

以下是一个基于Python的命名实体识别代码示例，使用了nltk库和Stanford NER（命名实体识别器）：

import nltk
from nltk.tokenize import word_tokenize
from nltk.tag import StanfordNERTagger

# 设置Stanford NER路径和模型路径
stanford_ner_path = '/path/to/stanford-ner.jar'
stanford_model_path = '/path/to/english.all.3class.distsim.crf.ser.gz'

# 创建Stanford NER标注器
st = StanfordNERTagger(stanford_model_path, stanford_ner_path)

# 示例文本
text = "Steve Jobs was the CEO of Apple Corp. which is located in Cupertino, California."

# 分词
tokens = word_tokenize(text)

# 标注命名实体
ner_tags = st.tag(tokens)

# 输出结果
for tag in ner_tags:
    print(tag)

输出：

('Steve', 'PERSON')
('Jobs', 'PERSON')
('was', 'O')
('the', 'O')
('CEO', 'O')
('of', 'O')
('Apple', 'ORGANIZATION')
('Corp.', 'ORGANIZATION')
('which', 'O')
('is', 'O')
('located', 'O')
('in', 'O')
('Cupertino', 'LOCATION')
(',', 'O')
('California', 'LOCATION')
('.', 'O')

在这个例子中，我们首先设置了Stanford NER的路径和模型路径。然后，我们使用nltk库的`word_tokenize`函数对输入文本进行分词。接下来，我们创建了一个Stanford NER标注器，使用`st.tag`函数标注每个单词的命名实体类型。最后，我们打印出标注结果。在输出中，每个单词被标注为一个命名实体类型，如`PERSON`（人名）、`ORGANIZATION`（组织名）和`LOCATION`（地点名）。