xmnlp
v0.3.2
XMNLP : 오픈 소스 중국 자연 언어 처리 툴킷에서 상자
XMNLP : 상자 외부 중국 자연 언어 처리 툴킷
최신 버전의 XMNLP를 설치하십시오
pip install -U xmnlp
국내 사용자는 인덱스 ORL을 추가 할 수 있습니다
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U xmnlp패키지를 설치 한 후에는 정상적으로 사용할 모델 가중치를 다운로드해야합니다.
해당 버전의 XMNLP 모델을 다운로드하십시오. XMNLP 버전에 대해 명확하지 않은 경우 python -c 'import xmnlp; print(xmnlp.__version__)' 버전을 보려면'
| 모델 이름 | 해당 버전 | 주소를 다운로드하십시오 |
|---|---|---|
| xmnlp-onnx- 모델 -v5.zip | v0.5.0, v0.5.1, v0.5.2, v0.5.3 | Feishu [ighi] | Baidu Netdisk [l9id] |
| xmnlp-onnx- 모드 -v4.zip | v0.4.0 | Feishu [dkla] | Baidu NetDisk [J1QI] |
| xmnlp-onnx- 모델 -v3.zip | v0.3.2, v0.3.3 | Feishu [O4ba] | Baidu Netdisk [9G7E] |
모델을 다운로드 한 후에는 모델 경로 XMNLP를 정상적으로 실행하도록 설정해야합니다. 두 가지 구성 방법이 제공됩니다
방법 1 : 환경 변수 구성 (권장)
다운로드 된 모델이 압축 압축 된 후에는 환경 변수를 설정하여 모델 주소를 지정할 수 있습니다. Linux 시스템을 예로 들어 보면 설정은 다음과 같습니다.
export XMNLP_MODEL=/path/to/xmnlp-models방법 2 : 함수를 통해 설정
다음과 같이 XMNLP를 호출하기 전에 모델 주소를 설정하십시오
import xmnlp
xmnlp . set_model ( '/path/to/xmnlp-models' )
* 위 /path/to/ 자리 표시 자에만 해당됩니다. 구성 할 때 모델의 실제 디렉토리 주소로 바꾸십시오.
중국어 단어 세분화 (기본값), 역 최대 일치를 기반으로 Roberta + CRF는 새로운 단어 인식에 사용됩니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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' , '?' , '。' ]
리버스 최대 일치를 기반으로 한 단어 세분화에는 새로운 단어 인식이 포함되지 않으며 더 빠릅니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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 모델을 기반으로 속도가 느려집니다. 현재 Deep Interface는 전통적인 중국어가 아닌 단순화 된 중국인 만 지원합니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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' , '?' , '。' ]
언어 주석의 일부.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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' )]
리버스 최대 일치를 기준으로 새로운 단어 인식이 포함되지 않으며 더 빠릅니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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 모델을 기반으로 속도가 느려집니다. 현재 Deep Interface는 전통적인 중국어가 아닌 단순화 된 중국인 만 지원합니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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' )]지원 사용자 정의 사전, 사전 형식입니다
词1 词性1
词2 词性2
또한 Jieba Partiple의 사전 형식과도 호환됩니다
词1 词频1 词性1
词2 词频2 词性2
참고 : 위 줄의 스페이서는 공간입니다
사용의 예 :
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 )
신체 인식이라는 이름의 인식을 지원하는 엔티티 유형은 다음과 같습니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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 )]
TextRank 알고리즘을 기반으로 텍스트에서 키워드를 추출합니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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 알고리즘을 기반으로 텍스트에서 주요 문장을 추출하십시오.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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' ]
정서적 인식은 전자 상거래 검토 코퍼스 교육을 기반으로하며 전자 상거래 시나리오에서 정서적 인식에 적합합니다.
매개 변수 :
결과는 다음과 같습니다.
예:
> >> import xmnlp
> >> text = "这本书真不错，下次还要买"
> >> print ( xmnlp . sentiment ( text ))
( 0.02727833203971386 , 0.9727216958999634 )
Pinyin에게 문자
매개 변수 :
결과는 다음과 같습니다.
예:
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . pinyin ( text ))
[ 'Zi' , 'ran' , 'yu' , 'yan' , 'chu' , 'li' ]
텍스트 라디칼을 추출하십시오
매개 변수 :
결과는 다음과 같습니다.
예:
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . radical ( text ))
[ '自' , '灬' , '讠' , '言' , '夂' , '王' ]
텍스트 오류 수정
매개 변수 :
결과는 다음과 같습니다.
예:
> >> 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 )]}SentenceVector 초기화 함수
다음은 SentenceVector의 세 가지 멤버 기능입니다
사용의 예
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 )산출
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,)
새 버전은 더 이상 해당 병렬 처리 인터페이스를 제공하지 않으며 병렬 처리 인터페이스를 정의하기 위해 xmnlp.utils.parallel_handler 를 사용해야합니다.
인터페이스는 다음과 같습니다.
xmnlp . utils . parallel_handler ( callback : Callable , texts : List [ str ], n_jobs : int = 2 , ** kwargs ) - > Generator [ List [ Any ], None , None ]사용의 예 :
from functools import partial
import xmnlp
from xmnlp . utils import parallel_handler
seg_parallel = partial ( parallel_handler , xmnlp . seg )
print ( seg_parallel ( texts ))
간단하고 사용하기 쉬운 중국 NLP 도구를 만들기위한 더 많은 친구의 기여를 기대합니다.
@ 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 }},
}
나는 NLP 연구 및 구현에 전념하고 있으며 내 지시에는 정보 추출, 정서적 분류 등이 포함됩니다.
다른 NLP 구현 요구에 대해서는 [email protected]으로 문의하십시오 (이것은 유료 서비스이며 xmnlp와 관련된 버그는 직접보고 될 수 있음).
공식 계정 xmnlp-ai 검색하려면 메뉴에서 "커뮤니케이션 그룹"을 선택하여 그룹에 가입하십시오.
이 프로젝트에 사용 된 데이터는 주로 다음과 같습니다.
아파치 2.0
대부분의 모델은 LANGML을 기반으로 구축됩니다
