lac-onnx 0.1.0

Baidu LAC (Chinese lexical analysis) running on ONNX Runtime — no PaddlePaddle required

LAC-ONNX

百度 LAC（Lexical Analysis of Chinese）模型的 ONNX 版本，支持中文分词、词性标注和命名实体识别（NER）。

原始模型来自 PaddleNLP 的 LAC 任务（Taskflow('ner', mode='fast')），使用 Paddle 3.x 静态图导出后转换为 ONNX 格式。CRF 解码层使用 numpy 实现，无需依赖 PaddlePaddle。

特性

• 零 Paddle 依赖 — 仅需 onnxruntime + numpy
• 轻量 — 模型文件约 30 MB
• 完整功能 — 分词 + 词性标注 + NER，与原始 LAC 结果完全一致
• 即开即用 — 模型随包安装，无需下载，无需联网

安装

pip install lac-onnx

使用

from lac_onnx import LAC

lac = LAC()

# 单句分析
result = lac.run('张三在北京市工作')
# [('张三', 'PER'), ('在', 'p'), ('北京市', 'LOC'), ('工作', 'n')]

# 批量分析
results = lac.run(['张三在北京', '李四去上海'])
# [[('张三', 'PER'), ...], [('李四', 'PER'), ...]]

# NER 过滤
for word, tag in lac.run('张三在中国银行办理业务'):
    if tag in ('PER', 'LOC', 'ORG'):
        print(word, tag)

自定义模型目录

lac = LAC(model_dir='/path/to/your/model')

目录下需包含：lac_encoder.onnx、lac_crf_transitions.npy、word.dic、tag.dic、q2b.dic。

标签说明

标签	含义	标签	含义
PER	人名	n	名词
LOC	地名	v	动词
ORG	机构名	a	形容词
TIME	时间	m	数词
nz	专有名词	w	标点符号
p	介词	c	连词
u	助词	d	副词

完整标签集参见包内 tag.dic。

模型架构

输入字符 → 字符 ID 编码 → Embedding(128d)
  → 2层双向 GRU(hidden=128) → FC(256→59)  ← ONNX 模型
  → CRF Viterbi 解码                       ← numpy 实现
  → BIO 标签序列 → 分词 + 标注结果

文件说明

文件	大小	说明
lac_onnx/lac_encoder.onnx	30 MB	ONNX 模型（Embedding + BiGRU + FC）
lac_onnx/lac_crf_transitions.npy	14 KB	CRF 转移矩阵
lac_onnx/word.dic	745 KB	字符词表（58224 字符）
lac_onnx/tag.dic	425 B	标签表（57 个 BIO 标签）
lac_onnx/q2b.dic	44 KB	全角→半角字符映射
paddle_static/	30 MB	原始 Paddle 静态图模型（仅供参考，不含在 pip 包中）

转换过程

1. 使用 PaddleNLP Taskflow('ner', mode='fast') 下载 LAC 静态图模型
2. 从 inference.pdiparams 提取权重，重建 Paddle 动态图模型（nn.Embedding + nn.GRU + nn.Linear）
3. 通过 paddle.jit.save 导出新的静态图（不含 viterbi_decode 算子）
4. 使用 paddle2onnx 转换为 ONNX 格式
5. CRF 转移矩阵单独保存为 numpy 文件，运行时用 numpy 实现 Viterbi 解码

许可证

原始 LAC 模型由百度发布，采用 Apache License 2.0 许可。

本仓库的转换代码和示例同样采用 Apache License 2.0。