Bamboo项目介绍
Bamboo项目是一个基于机器学习技术的中文自然语言处理平台。 Bamboo项目的主要目标：
中文分词 词性标注 命名实体识别 主题词抽取
Bamboo安装部署
方法一: 安装打过包的最新稳定版
下载源代码
http://nlpbamboo.googlecode.com/files/nlpbamboo-1.1.2.tar.bz2 安装CRF++工具包
请参考 http://crfpp.sourceforge.net 安装CMake编译环境
Slackware 默认自带CMake Ubuntu & Debian 系统使用: apt-get install cmake archlinux系统: 使用pacman -S cmake 其他Linux/Unix系统，请去CMake官方下载源代码编译。地址是:http://www.cmake.org 注：cmake需要2.6版本以上 使用CMake编译Bamboo cd bamboo
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=release
make all 安装Bamboo到/opt/bamboo目录 make install 编译Bamboo PHP扩展 cd /opt/bamboo/exts/php
phpize
make 安装Bamboo PHP扩展 make install
安装后Bamboo的目录结构
/opt/bamboo/bin/ : 可执行程序和训练脚本文件 /opt/bamboo/etc/ : 配置文件 /opt/bamboo/template/ : CRF训练模板文件 (.tmpl) /opt/bamboo/processor/ : processor库 /opt/bamboo/exts/ : 扩展接口 /usr/lib/ : 动态链接库 /usr/include/bamboo/ : C/C++的头文件
方法二：安装测试svn trunk的最新源码
从google code的subversion导出最新的bamboo trunk源码:
svn checkout http://nlpbamboo.googlecode.com/svn/trunk/ nlpbamboo mkdir build; cd build; ../configure; make; make install 不再强制安装在/opt/bamboo，make后可以直接使用
Bamboo配置
Bamboo安装完成后，其默认的配置文件都在/opt/bamboo/etc/目录下，每个Bamboo Parser都有自己的配置文件 Bamboo配置方法可以参见Bamboo Configure Guide，建议初次使用者保留参数不变;对于对程序内部流程相对了解的高级用户，可以根据需要对参数进行调整 在php.ini配置文件中添加如下2行：
extension = bamboo.so bamboo.parsers = crf_seg,crf_pos，crf_ner_ns, keyword
Bamboo训练统计
Bamboo中的分词，词性标注和命名实体识别算法都是基于由字构词的文本标注思想，因此在使用Bamboo之前需要准备好已完成标注的的文本语料，然后使用CRF++工具包和相应的特征模板进行训练，最终得出各自的字典，统计信息和模型文件 Bamboo中的主题词抽取是在TF和IDF的基础上，用词句关系图分析的算法计算所有分词的权重，最终给出Top权重词，因此在使用Bamboo的主题词抽取前也需要收集一定规模的文本语料，对其中的分词进行统计和训练，得出各种词的IDF和同现关系，以供抽取时计算使用。 Bamboo训练工具： /opt/bamboo/bin/auto_build -t [train_type] -f [train_file.txt] -d [train_dir] -p [thread_number] auto_build的训练参数：
-t 选项指定了训练的类型，即是分词、词性、实体词还是主题词的训练 -f 选项指定了训练语料的路径，缺省会自动下载98年人民日报1月份的文章作为语料 -d 选项指定了训练语料的目录，该目录下的.txt文本文件会被当做主题词抽取的语料 -p 选项指定了CRF++训练的线程数量，推荐和cpu数量一致 auto_build的配置文件是/opt/bamboo/etc/build_settings，默认训练完成后，会在/opt/bamboo/下产生2个新目录：data/和index/
data目录中存放了文本格式的语料和字典文件 index目录中存放了二进制格式的训练model和字典trie树文件 除了缺省字典，Bamboo还为用户提供了自定义字典的工具lexicon，其具体方法请参考Bamboo Tools，用户可以使用lexicon定制自己的user_combine和break辞典，其功能如下所示：
次 贷 => 次贷 雅虎口碑 => 雅虎 口碑
在代码树中训练模型
在svn co出来的代码树里面，我们可以直接用下面命令训练模型（在代码树根目录下）：
./source/tools/auto_build -t seg
生成的字典文件会在代码树根目录下的 index 目录里。
Bamboo测试
Bamboo命令行接口： /opt/bamboo/bin/bamboo -p [bamboo_parser] -c [bamboo_cfg] -p 选项的取值可以是crf_seg, crf_pos, crf_ner_nr, crf_ner_ns, crf_ner_nt, keyword，分别对应相应的Bamboo Parser -c 选项可以指定配置文件的路径，缺省会用/opt/bamboo/etc/目录下默认的配置文件 Bamboo命令从标准输入接收文本，并根据不同的Parser选项输出相应的结果，例如：分词，词性，地名，主题词等