对比1.x与2.0对时间词分词结果产生的一点疑惑

HanLP
#1

例句：神州六号于2005年10月12日9:00把两名宇航员送上太空。

1.x 是把 2005年10月12日9:00 整体作为一个时间词识别出来的
49

2.0 在线版结果如下，“12” 与 “日” 被分为两个词, “9:00” 被识别为 “CD”（概数词）
56

我自己线下用2.0.0a35得到的结果则又与线上版本不一致， 比如 “12日”是一个词了，而 “9:00” 被识别为“PU”（标点符号）

04
屏幕快照 2020-02-06 下午6.49.04.png901×195 39.3 KB

请问2.0 上怎么能把时间像1.x一样分成一个词呢？

# 线下代码
import hanlp

tokenizer = hanlp.load('CTB6_CONVSEG')
tagger = hanlp.load('CTB5_POS_RNN_FASTTEXT_ZH')

pipeline = hanlp.pipeline() \
    .append(hanlp.utils.rules.split_sentence, output_key='sentences') \
    .append(tokenizer, output_key='tokens') \
    .append(tagger, output_key='part_of_speech_tags')

text = '神州六号于2005年10月12日9:00把两名宇航员送上太空。'

print(pipeline(text))

另一个例子: 2019年全国导游资格考试考试结果原定于2020年2月21日公布。
07
线下版本涉及到时间的年、月、日标注都正常。

29
屏幕快照 2020-02-06 下午8.52.29.png990×186 38.7 KB

用HanLP进行时间的提取
#2
  1. 需要从语料的角度统一标注。
  2. 线上线下的问题毫无意义：HanLP2.0测试版在线演示已上线
#3

你好，pyhanlp是否具有pipeline的功能呢？

#4
#5

我看到这个帖子被引用了，其实这个问题在2.1里面得到了很好的解决：https://hanlp.hankcs.com/?sentence=神州六号于2005年10月12日9%3A00把两名宇航员送上太空。

所以关贴了。

#6