打开主菜单

“Jiagu自然语言处理工具”的版本间的差异
第4行： 第4行：
 
#开源软件仓库：https://github.com/ownthink/Jiagu
 
#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/
 
#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

2019年11月14日 (四) 08:33的版本

版头　　原型　　需求　　设计　　编码　　测试　　技术　　人员　　任务

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。

  1. 开源软件仓库：https://github.com/ownthink/Jiagu
  2. 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）

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 Ownthink收款码.jpg

贡献者：

Yener
zengbin93
dirtdust
frankchen7788

取自“http://www.tywiki.com/index.php?title=Jiagu自然语言处理工具&oldid=20245”