背景

語言技術平臺（Language Technology Platform, LTP）是哈工大社會計算與信息檢索研究中心（HIT-SCIR）歷時多年研發的一整套高效、高精度的中文自然語言處理開源基礎技術平臺。

該平臺集詞法分析（分詞、詞性標注、命名實體識別）、句法分析（依存句法分析）和語義分析（語義角色標注、語義依存分析）等多項自然語言處理技術于一體。其中句法分析、語義分析等多項關鍵技術多次在CoNLL國際評測中獲得了第1名。此外，平臺還榮獲了2010年中國中文信息學會科學技術一等獎、2016年黑龍江省科技進步一等獎。?

目前，LTP已被包括清華大學、北京大學、CMU等國內外眾多大學及科研機構在內的600余家研究單位簽署協議使用。同時，向百度、騰訊、華為、訊飛等多家知名公司收費授權。

GitHub的星標達2500余個，Fork數750余個。有效解決了自然語言處理技術入行門檻高，準確率、效率偏低，缺少共享數據和程序資源，重復開發現象嚴重，結果可視化差，錯誤分析困難，較難真正支持各類應用研究等眾多問題。

特色

哈工大SCIR本科生馮云龍等同學在車萬翔教授指導下，于近日對LTP進行了新一輪的全面升級，并推出了LTP 4.0版本。此次升級的主要改進為：?

• 基于多任務學習框架進行統一學習，使得全部六項任務可以共享語義信息，達到了知識遷移的效果。既有效提升了系統的運行效率，又極大縮小了模型的占用空間?

• 基于預訓練模型進行統一的表示 ，有效提升了各項任務的準確率?

• 基于教師退火模型蒸餾出單一的多任務模型，進一步提高了系統的準確率?

• 基于PyTorch框架開發，提供了原生的Python調用接口，通過pip包管理系統一鍵安裝，極大提高了系統的易用性

性能

下表列出了新舊版LTP在精度、效率和模型大小方面的對比：

為了模型的小巧易用，本次發布的版本基于哈工大訊飛聯合實驗室發布的中文 ELECTRA Small 預訓練模型。后續將陸續發布基于不同預訓練模型的版本，從而為用戶提供更多準確率和效率平衡點的選擇。?

測試環境如下：?

• 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?

備注：速度數據在人民日報命名實體測試數據上獲得，速度計算方式均為所有任務順序執行的結果。另外，語義角色標注與語義依存新舊版采用的語料不相同，因此無法直接比較（新版語義依存使用SemEval 2016語料，語義角色標注使用CTB語料）。

使用

新版LTP采用原生Python實現，僅需運行 pip install ltp 即可安裝使用。調用方式：

from?ltp?import?LTP ltp?=?LTP()?#?默認自動下載并加載?Small?模型 segment,?hidden?=?ltp.seg(["他叫湯姆去拿外衣。"]) pos?=?ltp.pos(hidden) ner?=?ltp.ner(hidden) srl?=?ltp.srl(hidden) dep?=?ltp.dep(hidden) sdp?=?ltp.sdp(hidden)

歡迎訪問http://ltp.ai/（點擊文末“閱讀原文”進行跳轉），獲取平臺的源代碼、模型及更詳細的介紹信息，敬請提出反饋意見。?

更多閱讀

#投 稿?通 道#

?讓你的論文被更多人看到?

如何才能讓更多的優質內容以更短路徑到達讀者群體，縮短讀者尋找優質內容的成本呢？答案就是：你不認識的人。

總有一些你不認識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學者和學術靈感相互碰撞，迸發出更多的可能性。?

PaperWeekly 鼓勵高校實驗室或個人，在我們的平臺上分享各類優質內容，可以是最新論文解讀，也可以是學習心得或技術干貨。我們的目的只有一個，讓知識真正流動起來。

?????來稿標準：

? 稿件確系個人原創作品，來稿需注明作者個人信息（姓名+學校/工作單位+學歷/職位+研究方向）?

? 如果文章并非首發，請在投稿時提醒并附上所有已發布鏈接?

? PaperWeekly 默認每篇文章都是首發，均會添加“原創”標志

?????投稿郵箱：

? 投稿郵箱：hr@paperweekly.site?

? 所有文章配圖，請單獨在附件中發送?

? 請留下即時聯系方式（微信或手機），以便我們在編輯發布時和作者溝通

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的LTP 4.0！单模型完成6项自然语言处理任务的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。