xmnlp
v0.3.2
XMNLP：オープンソース中国の自然言語処理ツールキットが箱から出して
XMNLP：すぐに使える中国の自然言語処理ツールキット
XMNLPの最新バージョンをインストールします
pip install -U xmnlp
国内ユーザーはIndex-URLを追加できます
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U xmnlpパッケージをインストールした後、正常に使用するモデルの重みをダウンロードする必要もあります。
XMNLPモデルの対応するバージョンをダウンロードしてください。 xmnlpのバージョンについて明確でない場合は、 python -c 'import xmnlp; print(xmnlp.__version__)'バージョンを表示します
| モデル名 | 該当するバージョン | アドレスをダウンロードしてください |
|---|---|---|
| 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] |
モデルをダウンロードした後、正常に実行するようにモデルパスXMNLPを設定する必要があります。 2つの構成方法が提供されています
方法1：環境変数の構成（推奨）
ダウンロードされたモデルが減圧された後、環境変数を設定してモデルアドレスを指定できます。 Linuxシステムを例にとると、設定は次のとおりです
export XMNLP_MODEL=/path/to/xmnlp-models方法2：関数を設定します
次のように、XMNLPを呼び出す前にモデルアドレスを設定します
import xmnlp
xmnlp . set_model ( '/path/to/xmnlp-models' )
*上記/path/to/プレースホルダーのみです。構成するときは、モデルの実際のディレクトリアドレスに置き換えてください。
中国語の単語セグメンテーション（デフォルト）は、逆の最大マッチングに基づいて、新しい単語認識に使用されます。
パラメーター：
結果が返されます：
例：
> >> 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' , '?' , '。' ]
逆の最大マッチングに基づく単語セグメンテーションには、新しい単語認識は含まれておらず、高速です。
パラメーター：
結果が返されます：
例：
> >> 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' , '?' , '。' ]
Roberta + CRFモデルに基づいて、速度が遅くなります。現在、ディープインターフェイスは、伝統的な中国人ではなく、単純化された中国人のみをサポートしています。
パラメーター：
結果が返されます：
例：
> >> 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' , '?' , '。' ]
音声注釈の一部。
パラメーター：
結果が返されます：
例：
> >> 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' )]
逆の最大マッチングに基づいて、新しい単語認識は含まれておらず、高速です。
パラメーター：
結果が返されます：
例：
> >> 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' )]
Roberta + CRFモデルに基づいて、速度が遅くなります。現在、ディープインターフェイスは、伝統的な中国人ではなく、単純化された中国人のみをサポートしています。
パラメーター：
結果が返されます：
例：
> >> 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' )]ユーザー定義の辞書、辞書形式をサポートします
词1 词性1
词2 词性2
また、Jieba分詞の辞書形式と互換性があります
词1 词频1 词性1
词2 词频2 词性2
注：上記のラインのスペーサーはスペースです
使用例：
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 )
名前付きの身体認識、認識をサポートするエンティティタイプは次のとおりです。
パラメーター：
結果が返されます：
例：
> >> 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 )]
TextTrankアルゴリズムに基づいて、テキストからキーワードを抽出します。
パラメーター：
結果が返されます：
例：
> >> 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 )]
TextTrankアルゴリズムに基づいて、テキストから重要な文を抽出します。
パラメーター：
結果が返されます：
例：
> >> 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' ]
感情的な認識は、eコマースレビューコーパストレーニングに基づいており、eコマースシナリオでの感情的認識に適しています。
パラメーター：
結果が返されます：
例：
> >> import xmnlp
> >> text = "这本书真不错，下次还要买"
> >> print ( xmnlp . sentiment ( text ))
( 0.02727833203971386 , 0.9727216958999634 )
ピンインへのテキスト
パラメーター：
結果が返されます：
例：
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . pinyin ( text ))
[ 'Zi' , 'ran' , 'yu' , 'yan' , 'chu' , 'li' ]
テキストラジカルを抽出します
パラメーター：
結果が返されます：
例：
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . radical ( text ))
[ '自' , '灬' , '讠' , '言' , '夂' , '王' ]
テキストエラー修正
パラメーター：
結果が返されます：
例：
> >> 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 )]}centevector初期化関数
以下は、SenteVectorの3つのメンバー関数です
使用の例
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 )出力
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,)
新しいバージョンは、対応する並列処理インターフェイスを提供しなくなり、 xmnlp.utils.parallel_handlerを使用して並列処理インターフェイスを定義する必要があります。
インターフェイスは次のとおりです。
xmnlp . utils . parallel_handler ( callback : Callable , texts : List [ str ], n_jobs : int = 2 , ** kwargs ) - > Generator [ List [ Any ], None , None ]使用例：
from functools import partial
import xmnlp
from xmnlp . utils import parallel_handler
seg_parallel = partial ( parallel_handler , xmnlp . seg )
print ( seg_parallel ( texts ))
シンプルで使いやすい中国のNLPツールを作成するためのより多くの友達の貢献を楽しみにしています
@ 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 }},
}
私はNLPの研究と実装にコミットしており、私の方向には以下が含まれます。
他のNLP実装のニーズについては、[email protected]にお問い合わせください（これは有料サービスであり、XMNLPに関連するバグを直接報告できます）
公式アカウントxmnlp-aiを検索するには、メニューで「通信グループ」を選択してグループに参加します。
このプロジェクトで使用されるデータは主に次のとおりです。
Apache 2.0
ほとんどのモデルはLANGML上に構築されています
