xmnlp
v0.3.2
XMNLP: Ein Open -Source -Chinesisch -Toolkit für natürliche Sprachverarbeitungen außerhalb der Schachtel
XMNLP: Ein aus dem Box chinesischer natürlicher Sprachverarbeitungs-Toolkit
Installieren Sie die neueste Version von XMNLP
pip install -U xmnlp
Inländische Benutzer können Index-URL hinzufügen
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U xmnlpNach der Installation des Pakets müssen Sie auch die Modellgewichte herunterladen, die normal verwendet werden sollen.
Bitte laden Sie die entsprechende Version des XMNLP -Modells herunter. Wenn Sie sich nicht über die Version von XMNLP klar machen, können Sie python -c 'import xmnlp; print(xmnlp.__version__)' , um die Version anzuzeigen
| Modellname | Anwendbare Version | Adresse herunterladen |
|---|---|---|
| xmnlp-onnx-models-v5.zip | v0.5.0, v0.5.1, v0.5.2, v0.5.3 | Feishu [Ighi] | Baidu NetDisk [L9ID] |
| xmnlp-onnx-models-v4.zip | v0.4.0 | Feishu [dkla] | Baidu NetDisk [J1qi] |
| xmnlp-onnx-models-v3.zip | v0.3.2, v0.3.3 | Feishu [O4ba] | Baidu NetDisk [9G7E] |
Nach dem Herunterladen des Modells müssen Sie den Modellpfad XMNLP so festlegen, dass es normal ausgeführt wird. Es werden zwei Konfigurationsmethoden bereitgestellt
Methode 1: Umgebungsvariablen konfigurieren (empfohlen)
Nachdem das heruntergeladene Modell dekomprimiert wurde, können Sie die Umgebungsvariable festlegen, um die Modelladresse anzugeben. Wenn Sie als Beispiel das Linux -System nehmen, sind die Einstellungen wie folgt
export XMNLP_MODEL=/path/to/xmnlp-modelsMethode 2: Einstellen durch Funktionen
Legen Sie die Modelladresse vor, bevor Sie XMNLP wie folgt aufrufen
import xmnlp
xmnlp . set_model ( '/path/to/xmnlp-models' )
* Das obige /path/to/ ist nur für Platzhalter. Bitte ersetzen Sie es durch die reale Verzeichnisadresse des Modells beim Konfigurieren.
Die chinesische Wortsegmentierung (Standard), basierend auf inversen maximale Übereinstimmung, wird Roberta + CRF zur neuen Wortkennung verwendet.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """xmnlp 是一款开箱即用的轻量级中文自然语言处理工具?。"""
> >> print ( xmnlp . seg ( text ))
[ 'xmnlp' , '是' , '一款' , '开箱' , '即用' , '的' , '轻量级' , '中文' , '自然语言' , '处理' , '工具' , '?' , '。' ]
Die Wortsegmentierung basierend auf der umgekehrten maximalen Übereinstimmung beinhaltet keine neue Worterkennung und ist schneller.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """xmnlp 是一款开箱即用的轻量级中文自然语言处理工具?。"""
> >> print ( xmnlp . seg ( text ))
[ 'xmnlp' , '是' , '一款' , '开箱' , '即' , '用' , '的' , '轻量级' , '中文' , '自然语言' , '处理' , '工具' , '?' , '。' ]
Basierend auf dem Roberta + CRF -Modell ist die Geschwindigkeit langsamer. Derzeit unterstützt Deep Interface nur vereinfachte Chinesen, nicht traditionelle Chinesen.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """xmnlp 是一款开箱即用的轻量级中文自然语言处理工具?。"""
> >> print ( xmnlp . deep_seg ( text ))
[ 'xmnlp' , '是' , '一款' , '开箱' , '即用' , '的' , '轻' , '量级' , '中文' , '自然' , '语言' , '处理' , '工具' , '?' , '。' ]
Teil der Sprachannotation.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """xmnlp 是一款开箱即用的轻量级中文自然语言处理工具?。"""
> >> print ( xmnlp . tag ( text ))
[( 'xmnlp' , 'eng' ), ( '是' , 'v' ), ( '一款' , 'm' ), ( '开箱' , 'n' ), ( '即用' , 'v' ), ( '的' , 'u' ), ( '轻量级' , 'b' ), ( '中文' , 'nz' ), ( '自然语言' , 'l' ), ( '处理' , 'v' ), ( '工具' , 'n' ), ( '?' , 'x' ), ( '。' , 'x' )]
Basierend auf der umgekehrten maximalen Übereinstimmung enthält es keine neue Worterkennung und ist schneller.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """xmnlp 是一款开箱即用的轻量级中文自然语言处理工具?。"""
> >> print ( xmnlp . fast_tag ( text ))
[( 'xmnlp' , 'eng' ), ( '是' , 'v' ), ( '一款' , 'm' ), ( '开箱' , 'n' ), ( '即' , 'v' ), ( '用' , 'p' ), ( '的' , 'uj' ), ( '轻量级' , 'b' ), ( '中文' , 'nz' ), ( '自然语言' , 'l' ), ( '处理' , 'v' ), ( '工具' , 'n' ), ( '?' , 'x' ), ( '。' , 'x' )]
Basierend auf dem Roberta + CRF -Modell ist die Geschwindigkeit langsamer. Derzeit unterstützt Deep Interface nur vereinfachte Chinesen, nicht traditionelle Chinesen.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """xmnlp 是一款开箱即用的轻量级中文自然语言处理工具?。"""
> >> print ( xmnlp . deep_tag ( text ))
[( 'xmnlp' , 'x' ), ( '是' , 'v' ), ( '一款' , 'm' ), ( '开箱' , 'v' ), ( '即用' , 'v' ), ( '的' , 'u' ), ( '轻' , 'nz' ), ( '量级' , 'b' ), ( '中文' , 'nz' ), ( '自然' , 'n' ), ( '语言' , 'n' ), ( '处理' , 'v' ), ( '工具' , 'n' ), ( '?' , 'w' ), ( '。' , 'w' )]Unterstützung des benutzerdefinierten Wörterbuchs, Wörterbuchformat ist
词1 词性1
词2 词性2
Auch kompatibel mit dem Wörterbuchformat von Jieba Partizip
词1 词频1 词性1
词2 词频2 词性2
Hinweis: Der Abstandhalter in der obigen Linie ist Platz
Beispiel der Nutzung:
from xmnlp . lexical . tokenization import Tokenization
# 定义 tokenizer
# detect_new_word 定义是否识别新词，默认 True， 设为 False 时速度会更快
tokenizer = Tokenization ( user_dict_path , detect_new_word = True )
# 分词
tokenizer . seg ( texts )
# 词性标注
tokenizer . tag ( texts )
Die genannte Körpererkennung, die Entitätstypen, die die Erkennung unterstützen, sind:
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = "现任美国总统是拜登。"
> >> print ( xmnlp . ner ( text ))
[( '美国' , 'LOCATION' , 2 , 4 ), ( '总统' , 'JOB' , 4 , 6 ), ( '拜登' , 'PERSON' , 7 , 9 )]
Extrahieren Sie Schlüsselwörter aus Text, basierend auf dem Texttrank -Algorithmus.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """自然语言处理: 是人工智能和语言学领域的分支学科。
...: 在这此领域中探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的
...: 语言。
...: 自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化
...: 为计算机程序更易于处理的形式。"""
> >> print ( xmnlp . keyword ( text ))
[( '自然语言' , 2.3000579596585897 ), ( '语言' , 1.4734141257937314 ), ( '计算机' , 1.3747500999598312 ), ( '转化' , 1.2687686226652466 ), ( '系统' , 1.1171384775870152 ), ( '领域' , 1.0970728069617324 ), ( '人类' , 1.0192131829490039 ), ( '生成' , 1.0075197087342542 ), ( '认知' , 0.9327188339671753 ), ( '指' , 0.9218423928455112 )]
Extrahieren Sie Schlüsselsätze aus Text, basierend auf dem Texttrank -Algorithmus.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = """自然语言处理: 是人工智能和语言学领域的分支学科。
...: 在这此领域中探讨如何处理及运用自然语言；自然语言认知则是指让电脑“懂”人类的
...: 语言。
...: 自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化
...: 为计算机程序更易于处理的形式。"""
> >> print ( xmnlp . keyphrase ( text , k = 2 ))
[ '自然语言理解系统把自然语言转化为计算机程序更易于处理的形式' , '自然语言生成系统把计算机数据转化为自然语言' ]
Die emotionale Erkennung basiert auf dem Corpus-Training von E-Commerce Review und eignet sich für die emotionale Anerkennung in E-Commerce-Szenarien.
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = "这本书真不错，下次还要买"
> >> print ( xmnlp . sentiment ( text ))
( 0.02727833203971386 , 0.9727216958999634 )
Text zu Pinyin
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . pinyin ( text ))
[ 'Zi' , 'ran' , 'yu' , 'yan' , 'chu' , 'li' ]
Textradikale extrahieren
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . radical ( text ))
[ '自' , '灬' , '讠' , '言' , '夂' , '王' ]
Textfehlerkorrektur
Parameter:
Das Ergebnis kehrt zurück:
Beispiel:
> >> import xmnlp
> >> text = "不能适应体育专业选拔人材的要求"
> >> print ( xmnlp . checker ( text ))
{( 11 , '材' ): [( '才' , 1.58528071641922 ), ( '材' , 1.0009655653266236 ), ( '裁' , 1.0000178480604518 ), ( '员' , 0.35814568400382996 ), ( '士' , 0.011077565141022205 )]}Satzvektorinitialisierungsfunktion
Im Folgenden sind die drei Mitgliedsfunktionen von SatzVector aufgeführt
Beispiel für die Nutzung
import numpy as np
from xmnlp . sv import SentenceVector
query = '我想买手机'
docs = [
'我想买苹果手机' ,
'我喜欢吃苹果'
]
sv = SentenceVector ( genre = '通用' )
for doc in docs :
print ( 'doc:' , doc )
print ( 'similarity:' , sv . similarity ( query , doc ))
print ( 'most similar doc:' , sv . most_similar ( query , docs ))
print ( 'query representation shape:' , sv . transform ( query ). shape )Ausgabe
doc: 我想买苹果手机
similarity: 0.68668646
doc: 我喜欢吃苹果
similarity: 0.3020076
most similar doc: [('我想买苹果手机', 16.255546509314417)]
query representation shape: (312,)
Die neue Version bietet nicht mehr die entsprechende parallele Verarbeitungsschnittstelle und erfordert die Verwendung von xmnlp.utils.parallel_handler , um die parallele Verarbeitungsschnittstelle zu definieren.
Die Schnittstelle lautet wie folgt:
xmnlp . utils . parallel_handler ( callback : Callable , texts : List [ str ], n_jobs : int = 2 , ** kwargs ) - > Generator [ List [ Any ], None , None ]Beispiel der Nutzung:
from functools import partial
import xmnlp
from xmnlp . utils import parallel_handler
seg_parallel = partial ( parallel_handler , xmnlp . seg )
print ( seg_parallel ( texts ))
Ich freue mich auf weitere Beiträge von Freunden, um ein einfaches und benutzerfreundliches chinesisches NLP-Tool zu erstellen
@ misc {
xmnlp ,
title = { XMNLP : A Lightweight Chinese Natural Language Processing Toolkit },
author = { Xianming Li },
year = { 2018 },
publisher = { GitHub },
howpublished = { url { https : // github . com / SeanLee97 / xmnlp }},
}
Ich bin der NLP -Forschung und -implementierung verpflichtet, und meine Anweisungen umfassen: Informationsextraktion, emotionale Klassifizierung usw.
Für andere Anforderungen an die NLP -Implementierung wenden Sie sich bitte an [email protected] (dies ist ein bezahlter Dienst, und die mit XMNLP bezogenen Fehler können direkt gemeldet werden).
Suchen Sie das offizielle Konto xmnlp-ai , um "Kommunikationsgruppe" im Menü auszuwählen, um der Gruppe beizutreten.
Die in diesem Projekt verwendeten Daten sind hauptsächlich:
Apache 2.0
Die meisten Modelle basieren auf Langml
