查看“Jiagu自然语言处理工具”的源代码

{{4}}{{思维软件设计02}}
Jiagu以[[BiLSTM]]等模型为基础，使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、情感分析、知识图谱关系抽取、关键词抽取、文本摘要、新词发现、情感分析、文本聚类等常用自然语言处理功能。参考了各大工具优缺点制作，将Jiagu回馈给大家。

#开源软件仓库：https://github.com/ownthink/Jiagu
#[[智能时代-知识图谱-机器人]]：https://www.ownthink.com/

== 安装方式 ==
pip安装

 pip install -U jiagu

如果比较慢，可以使用清华的pip源：-i https://pypi.tuna.tsinghua.edu.cn/simple

源码安装

 git clone https://github.com/ownthink/Jiagu
 cd Jiagu
 python3 setup.py install
注意：深度学习模型使用1.6训练的，不支持[[tensorflow]] 2.0

== 使用方式 ==
===快速上手：分词、词性标注、命名实体识别===
 import jiagu

 #jiagu.init() # 可手动初始化，也可以动态初始化

 text = '厦门明天会不会下雨'

 words = jiagu.seg(text) # 分词
 print(words)

 pos = jiagu.pos(words) # 词性标注
 print(pos)

 ner = jiagu.ner(text) # 命名实体识别
 print(ner)
===中文分词===
自定义分词模型（将单独提供msr、pku、cnc等分词标准）

 import jiagu

 # 独立标准模型路径
 # msr：test/extra_data/model/msr.model
 # pku：test/extra_data/model/pku.model
 # cnc：test/extra_data/model/cnc.model

 jiagu.load_model('test/extra_data/model/cnc.model') # 使用国家语委分词标准

 words = jiagu.cut('结婚的和尚未结婚的')

 print(words)
 分词各种模式使用方式

 import jiagu

 text = '汉服和服装、知识图谱机器人'

 words = jiagu.cut(text) # 深度学习分词
 print(words)

 words = jiagu.seg(text) # 字典分词
 print(words)

 # jiagu.load_userdict('dict/user.dict') # 加载自定义字典，支持字典路径、字典列表形式。
 jiagu.load_userdict(['知识图谱'])

 words = jiagu.seg(text) # 自定义分词，字典分词模式有效
 print(words)
===知识图谱关系抽取===
 import jiagu

 # 吻别是由张学友演唱的一首歌曲。
 # 苏州大学（Soochow University），简称“苏大”，坐落于历史文化名城苏州。
 # 《盗墓笔记》是2014年欢瑞世纪影视传媒股份有限公司出品的一部网络季播剧，改编自南派三叔所著的同名小说，由郑保瑞和罗永昌联合导演，李易峰、杨洋、唐嫣、刘天佐、张智尧、魏巍等主演。

 text = '姚明（Yao Ming），1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。'
 knowledge = jiagu.knowledge(text)
 print(knowledge)
===关键词提取===
 import jiagu

 text = '''
 该研究主持者之一、波士顿大学地球与环境科学系博士陈池（音）表示，“尽管中国和印度国土面积仅占全球陆地的9%，但两国为这一绿化过程贡献超过三分之一。考虑到人口过多的国家一般存在对土地过度利用的问题，这个发现令人吃惊。”
 NASA埃姆斯研究中心的科学家拉玛·内曼尼（Rama Nemani）说，“这一长期数据能让我们深入分析地表绿化背后的影响因素。我们一开始以为，植被增加是由于更多二氧化碳排放，导致气候更加温暖、潮湿，适宜生长。”
 “MODIS的数据让我们能在非常小的尺度上理解这一现象，我们发现人类活动也作出了贡献。”
 NASA文章介绍，在中国为全球绿化进程做出的贡献中，有42%来源于植树造林工程，对于减少土壤侵蚀、空气污染与气候变化发挥了作用。
 据观察者网过往报道，2017年我国全国共完成造林736.2万公顷、森林抚育830.2万公顷。其中，天然林资源保护工程完成造林26万公顷，退耕还林工程完成造林91.2万公顷。京津风沙源治理工程完成造林18.5万 
 公顷。三北及长江流域等重点防护林体系工程完成造林99.1万公顷。完成国家储备林建设任务68万公顷。
'''				

 keywords = jiagu.keywords(text, 5) # 关键词
 print(keywords)
===文本摘要===
 import jiagu

 fin = open('input.txt', 'r')
 text = fin.read()
 fin.close()

 summarize = jiagu.summarize(text, 3) # 摘要
 print(summarize)
===新词发现===
 import jiagu

 jiagu.findword('input.txt', 'output.txt') # 根据文本，利用信息熵做新词发现。
===情感分析===
 import jiagu

 text = '很讨厌还是个懒鬼'
 sentiment = jiagu.sentiment(text)
 print(sentiment)
===文本聚类===
 import jiagu

 docs = [
        "百度深度学习中文情感分析工具Senta试用及在线测试",
        "情感分析是自然语言处理里面一个热门话题",
        "AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总",
        "深度学习实践：从零开始做电影评论文本情感分析",
        "BERT相关论文、文章和代码资源汇总",
        "将不同长度的句子用BERT预训练模型编码，映射到一个固定长度的向量上",
        "自然语言处理工具包spaCy介绍",
        "现在可以快速测试一下spaCy的相关功能，我们以英文数据为例，spaCy目前主要支持英文和德文"
    ]
 cluster = jiagu.text_cluster(docs)	
 print(cluster)

== 评价标准 ==
===msr测试结果（旧版本）===

[[文件:ownthink01.png]]
== 附录说明 ==
===词性标注说明===
 n　　　普通名词
 nt　 　时间名词
 nd　 　方位名词
 nl　 　处所名词
 nh　 　人名
 nhf　　姓
 nhs　　名
 ns　 　地名
 nn 　　族名
 ni 　　机构名
 nz 　　其他专名
 v　　 动词
 vd　　趋向动词
 vl　　联系动词
 vu　　能愿动词
 a　 　形容词
 f　 　区别词
 m　 　数词　　
 q　 　量词
 d　 　副词
 r　 　代词
 p　　 介词
 c　 　连词
 u　　 助词
 e　 　叹词
 o　 　拟声词
 i　 　习用语
 j　　 缩略语
 h　　 前接成分
 k　　 后接成分
 g　 　语素字
 x　 　非语素字
 w　 　标点符号
 ws　　非汉字字符串
 wu　　其他未知的符号
===命名实体说明（采用BIO标记方式）===
 B-PER、I-PER   人名
 B-LOC、I-LOC   地名
 B-ORG、I-ORG   机构名

==加入我们==
思知人工智能群QQ群：90780053，微信群联系作者微信：MrYener，作者邮箱联系方式：help@ownthink.com

捐赠作者(您的鼓励是作者开源最大的动力！！！)：捐赠致谢

[[文件:ownthink收款码.jpg]]

==贡献者：==
 Yener
 zengbin93
 dirtdust
 frankchen7788