spikex
1.0.0
Spikexは、スペイシーパイプラインに接続する準備ができているパイプのコレクションです。それは、ほぼゼロの努力で知識抽出ツールの構築を支援することを目指しています。
ウィキグラフはこれほど速く稲妻になったことがありません：
Docのアンダースコア拡張機能を作成します。例は、それぞれ名詞句と動詞句を抽出するnounphrasexとverbphphrasexですいくつかの要件はスペイシーから継承されます：
一部の依存関係はCythonを使用しており、Spikexの前にインストールする必要があります。
pip install cythonシステム状態の変更を避けるために、仮想環境が常に推奨されることを忘れないでください。
この時点で、PIPを介してSpikexをインストールすることは1行コマンドです。
pip install spikexSpikexパイプはSpacyで動作するため、モデルをインストールする必要があります。ここで公式の指示に従ってください。真新しいSpacy 3.0がサポートされています！
WikiGraphは、ウィキペディアのいくつかの主要なコンポーネント、それらの間のページ、カテゴリ、関係から構築されています。
WikiGraphを作成するには、ウィキペディアダンプの大きさに応じて時間がかかります。このため、使用する準備ができているウィキグラフを提供します。
| 日付 | ウィキグラフ | ラング | サイズ（圧縮） | サイズ（メモリ） | |
|---|---|---|---|---|---|
| 2021-05-20 | enwiki_core | en | 1.3GB | 8GB | |
| 2021-05-20 | SimpleWiki_Core | en | 20MB | 130MB | |
| 2021-05-20 | itwiki_core | それ | 208MB | 1.2GB | |
| もっと来る... |
Spikexは、 WikiGraphダウンロードとインストール（LinuxまたはMacOS、Windowsがまだサポートされていない）のショートカットにコマンドを提供します。
spikex download-wikigraph simplewiki_coreWikiGraphコマンドラインから作成でき、どのウィキペディアダンプを取るか、どこに保存するかを指定できます。
spikex create-wikigraph
< YOUR-OUTPUT-PATH >
--wiki < WIKI-NAME, default: en >
--version < DUMP-VERSION, default: latest >
--dumps-path < DUMPS-BACKUP-PATH > その後、梱包してインストールする必要があります。
spikex package-wikigraph
< WIKIGRAPH-RAW-PATH >
< YOUR-OUTPUT-PATH >梱包プロセスの最後にある指示に従って、仮想環境に配布パッケージをインストールします。今、あなたはあなたが望むようにあなたのウィキグラフを使用する準備ができています：
from spikex . wikigraph import load as wg_load
wg = wg_load ( "enwiki_core" )
page = "Natural_language_processing"
categories = wg . get_categories ( page , distance = 1 )
for category in categories :
print ( category )
> >> Category : Speech_recognition
> >> Category : Artificial_intelligence
> >> Category : Natural_language_processing
> >> Category : Computational_linguisticsマッチャーはスペイシーのものと同じですが、一度に多くのパターンを処理する場合（数千の順序）が速いため、公式の使用手順に従ってください。
些細な例：
from spikex . matcher import Matcher
from spacy import load as spacy_load
nlp = spacy_load ( "en_core_web_sm" )
matcher = Matcher ( nlp . vocab )
matcher . add ( "TEST" , [[{ "LOWER" : "nlp" }]])
doc = nlp ( "I love NLP" )
for _ , s , e in matcher ( doc ):
print ( doc [ s : e ])
> >> NLP WikiPageXパイプは、 WikiGraphを使用して、ウィキペディアのページタイトルに一致するテキストでチャンクを見つけるためです。
from spacy import load as spacy_load
from spikex . wikigraph import load as wg_load
from spikex . pipes import WikiPageX
nlp = spacy_load ( "en_core_web_sm" )
doc = nlp ( "An apple a day keeps the doctor away" )
wg = wg_load ( "simplewiki_core" )
wpx = WikiPageX ( wg )
doc = wpx ( doc )
for span in doc . _ . wiki_spans :
print ( span . _ . wiki_pages )
> >> [ 'An' ]
> >> [ 'Apple' , 'Apple_(disambiguation)' , 'Apple_(company)' , 'Apple_(tree)' ]
> >> [ 'A' , 'A_(musical_note)' , 'A_(New_York_City_Subway_service)' , 'A_(disambiguation)' , 'A_(Cyrillic)' )]
> >> [ 'Day' ]
> >> [ 'The_Doctor' , 'The_Doctor_(Doctor_Who)' , 'The_Doctor_(Star_Trek)' , 'The_Doctor_(disambiguation)' ]
> >> [ 'The' ]
> >> [ 'Doctor_(Doctor_Who)' , 'Doctor_(Star_Trek)' , 'Doctor' , 'Doctor_(title)' , 'Doctor_(disambiguation)' ] ClusterXパイプは、テキストに名詞のチャンクを取り、ラジアルボールマッパーアルゴリズムを使用してクラスターします。
from spacy import load as spacy_load
from spikex . pipes import ClusterX
nlp = spacy_load ( "en_core_web_sm" )
doc = nlp ( "Grab this juicy orange and watch a dog chasing a cat." )
clusterx = ClusterX ( min_score = 0.65 )
doc = clusterx ( doc )
for cluster in doc . _ . cluster_chunks :
print ( cluster )
> >> [ this juicy orange ]
> >> [ a cat , a dog ]Abbrxパイプは、テキスト内の略語と頭字語を見つけ、短いフォームと長いフォームを結び付けます。
from spacy import load as spacy_load
from spikex . pipes import AbbrX
nlp = spacy_load ( "en_core_web_sm" )
doc = nlp ( "a little snippet with an abbreviation (abbr)" )
abbrx = AbbrX ( nlp . vocab )
doc = abbrx ( doc )
for abbr in doc . _ . abbrs :
print ( abbr , "->" , abbr . _ . long_form )
> >> abbr - > abbreviation LabelXパイプは、テキストのパターンとラベルを付け、オーバーラップ、略語、頭字語を解きます。
from spacy import load as spacy_load
from spikex . pipes import LabelX
nlp = spacy_load ( "en_core_web_sm" )
doc = nlp ( "looking for a computer system engineer" )
patterns = [
[{ "LOWER" : "computer" }, { "LOWER" : "system" }],
[{ "LOWER" : "system" }, { "LOWER" : "engineer" }],
]
labelx = LabelX ( nlp . vocab , [( "TEST" , patterns )], validate = True , only_longest = True )
doc = labelx ( doc )
for labeling in doc . _ . labelings :
print ( labeling , f"[ { labeling . label_ } ]" )
> >> computer system engineer [ TEST ] PhraseXパイプは、フレーズパターンからのマッチで満たすCustom Docのアンダースコア拡張機能を作成します。
from spacy import load as spacy_load
from spikex . pipes import PhraseX
nlp = spacy_load ( "en_core_web_sm" )
doc = nlp ( "I have Melrose and McIntosh apples, or Williams pears" )
patterns = [
[{ "LOWER" : "mcintosh" }],
[{ "LOWER" : "melrose" }],
]
phrasex = PhraseX ( nlp . vocab , "apples" , patterns )
doc = phrasex ( doc )
for apple in doc . _ . apples :
print ( apple )
> >> Melrose
> >> McIntoshsentxパイプはテキストに文章を分割します。 Tokensのis_sent_start属性を変更するため、スペイシーパイプラインのパーサーパイプの前に追加することが必須です。
from spacy import load as spacy_load
from spikex . pipes import SentX
from spikex . defaults import spacy_version
if spacy_version >= 3 :
from spacy . language import Language
@ Language . factory ( "sentx" )
def create_sentx ( nlp , name ):
return SentX ()
nlp = spacy_load ( "en_core_web_sm" )
sentx_pipe = SentX () if spacy_version < 3 else "sentx"
nlp . add_pipe ( sentx_pipe , before = "parser" )
doc = nlp ( "A little sentence. Followed by another one." )
for sent in doc . sents :
print ( sent )
> >> A little sentence .
> >> Followed by another one .お気軽に貢献して楽しんでください！
