LTP（Language Technology Platform） 提供了一系列中文自然语言处理工具，用户可以使用这些工具对于中文文本进行分词、词性标注、句法分析等等工作。新版LTP采用原生Python实现，仅需运行 pip install ltp 即可安装使用。

from ltp import LTP
ltp = LTP() # 默认自动下载并加载 Small 模型
# ltp = LTP(path = "small|tiny")
# sent_list = ltp.sent_split(inputs, flag="all", limit=512)
segment, hidden = ltp.seg(["他叫汤姆去拿外衣。"])
pos = ltp.pos(hidden)
ner = ltp.ner(hidden)
srl = ltp.srl(hidden)
dep = ltp.dep(hidden)
sdp = ltp.sdp(hidden)

备注: Tiny模型使用electra前三层进行初始化

测试环境如下：

• Python 3.7
• LTP 4.0 Batch Size = 1
• Centos 3.10.0-1062.9.1.el7.x86_64
• Intel(R) Xeon(R) CPU E5-2640 v4 @ 2.40GHz

备注: 速度数据在人民日报命名实体测试数据上获得，速度计算方式均为所有任务顺序执行的结果。另外，语义角色标注与语义依存新旧版采用的语料不相同，因此无法直接比较（新版语义依存使用Semeval 2016语料，语义角色标注使用CTB语料）。

• 分词: Electra Small¹ + Linear
• 词性: Electra Small + Linear
• 命名实体: Electra Small + Relative Transformer² + Linear
• 依存句法: Electra Small + BiAffine + Eisner³
• 语义依存: Electra Small + BiAffine
• 语义角色: Electra Small + BiAffine + CRF

python setup.py sdist
python -m twine upload dist/*

• 冯云龙 <<[email protected]>>

1. 语言技术平台面向国内外大学、中科院各研究所以及个人研究者免费开放源代码，但如上述机构和个人将该平台用于商业目的（如企业合作项目等）则需要付费。
2. 除上述机构以外的企事业单位，如申请使用该平台，需付费。
3. 凡涉及付费问题，请发邮件到 [email protected] 洽商。
4. 如果您在 LTP 基础上发表论文或取得科研成果，请您在发表论文和申报成果时声明“使用了哈工大社会计算与信息检索研究中心研制的语言技术平台（LTP）”. 同时，发信给[email protected]，说明发表论文或申报成果的题目、出处等。

• 1:: Chinese-ELECTRA
• 2:: TENER: Adapting Transformer Encoder for Named Entity Recognition
• 3:: A PyTorch implementation of "Deep Biaffine Attention for Neural Dependency Parsing"