|
|
| 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：[[user:Yener|Yener]]，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
| |