搜索研究与资料 · 工具介绍
LTP
面向中文文本提供分词、词性标注、命名实体和句法等分析能力，可通过 Pipeline API 选择处理任务。
LTP 能做什么
面向中文文本提供分词、词性标注、命名实体和句法等分析能力，可通过 Pipeline API 选择处理任务。
- 模型训练与部署
如何使用 LTP
提取中文分词与实体标注
准备输入
- 需要分析的中文句子
- 符合授权条件的 LTP 模型
- Python 环境与可用模型下载入口
操作步骤
- 加载相应 LTP 模型，按需要设置自定义词表，确认模型下载和运行正常。
- 调用 ltp.pipeline，明确填写分词、词性和命名实体等任务；使用依赖词性的实体识别时保留前置任务。
- 读取返回对象中的分词、词性和实体字段，对照原文检查专有名词后再用于批量处理。
预期交付物
- 中文词语与实体类型标注
官方说明对商业使用有单独授权要求，应先核对用途；legacy 模型与深度学习模型的任务覆盖和精度不同，不能互相直接替代。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从搜索研究与资料角度评估LTP
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
