Python使用LAC与LTP库提取语句中人名的方法对比

键盘旁的猫

发布时间：2026-10-16 | 3人浏览过

原创

本文介绍如何使用Python的LAC和LTP两个库从文本中提取人名。通过对比两种模式在指定测试语句下的执行耗时与提取结果，分析LAC的高速度与LTP的高准确率差异，为开发者在实际项目中选择合适的命名实体识别工具提供参考。

前言

本文提供一种可直接调用的工具方法，用于从自然语言语句中提取人名信息。

环境依赖

实现该功能需要安装相应的Python库。虽然仅使用其中一个库即可完成任务，但为了进行性能与效果的对比分析，本文准备了两个库供比较。

安装命令如下：

pip install LAC -i https://pypi.douban.com/simple
pip install ltp -i https://pypi.douban.com/simple

代码

以下直接展示核心实现代码。

#!/user/bin/env python
# coding=utf-8
"""
@project : csdn
@author  : 剑客阿良_ALiang
@file   : extract_sentence_name_tool.py
@ide    : PyCharm
@time   : 2022-01-25 11:11:43
"""
from LAC import LAC
from ltp import LTP
import time
 
lac = LAC(mode="lac")
ltp = LTP()
 
 
# 句子提取名字
def extract_name(sentence: str, type='lac'):
    user_name_lis = []
    if type == 'lac':
        _result = lac.run(sentence)
        for _index, _label in enumerate(_result[1]):
            if _label == "PER":
                user_name_lis.append(_result[0][_index])
    elif type == 'ltp':
        _seg, _hidden = ltp.seg([sentence])
        _pos_hidden = ltp.pos(_hidden)
        for _seg_i, _seg_v in enumerate(_seg):
            _hidden_v = _pos_hidden[_seg_i]
            for _h_i, _h_v in enumerate(_hidden_v):
                if _h_v == "nh":
                    user_name_lis.append(_seg_v[_h_i])
    else:
        raise Exception('type not suppose')
    return user_name_lis
 
 
if __name__ == '__main__':
    _start_lac = time.time()
    lis1 = extract_name("就因为看了沈腾和贾玲的王牌对王牌节目，所以杨迪肯定偷题了。", 'lac')
    _end_lac = time.time()
    print("LAC: {} <- 耗时[{}]秒".format(lis1, (_end_lac - _start_lac)))
 
    _start_ltp = time.time()
    lis2 = extract_name("就因为看了沈腾和贾玲的王牌对王牌节目，所以杨迪肯定偷题了。", 'ltp')
    _end_ltp = time.time()
    print("LTP: {} <- 耗时[{}]秒".format(lis2, (_end_ltp - _start_ltp)))

代码说明：

核心函数extract_name接收两个参数：待处理的语句sentence和指定模型类型type。type参数默认为'lac'模式，用户也可显式指定为'ltp'模式。

在性能表现上，LAC模型在提取人名时速度较快；相比之下，LTP模型在提取人名的准确率方面表现更优。