compromise

compromisso

processamento modesto de linguagem natural

npm install compromise

_{por Spencer Kelly e muitos colaboradores}

_{Francês • Alemão • Italiano • Espanhol}

Você não acha estranho,

_{Como o texto é fácil para fazer ,}


↬ _ᔐᖜ ↬ E quão difícil é realmente analisar e usar ?

O compromisso é possível transformar o texto em dados.
toma decisões limitadas e sensatas.
_{Não é tão inteligente quanto você pensaria.}

 import nlp from 'compromise'

let doc = nlp ( 'she sells seashells by the seashore.' )
doc . verbs ( ) . toPastTense ( )
doc . text ( )
// 'she sold seashells by the seashore.' 

Não seja sofisticado:

 if ( doc . has ( 'simon says #Verb' ) ) {
  return true
} 

Pegue partes do texto:

 let doc = nlp ( entireNovel )
doc . match ( 'the #Adjective of times' ) . text ( )
// "the blurst of times?"

Match Docs

e obtenha dados:

 import plg from 'compromise-speech'
nlp . extend ( plg )

let doc = nlp ( 'Milwaukee has certainly had its share of visitors..' )
doc . compute ( 'syllables' )
doc . places ( ) . json ( )
/*
[{
  "text": "Milwaukee",
  "terms": [{
    "normal": "milwaukee",
    "syllables": ["mil", "wau", "kee"]
  }]
}]
*/

JSON DOCs

Evite os problemas de analisadores quebradiços:

 let doc = nlp ( "we're not gonna take it.." )

doc . has ( 'gonna' ) // true
doc . has ( 'going to' ) // true (implicit)

// transform
doc . contractions ( ) . expand ( )
doc . text ( )
// 'we are not going to take it..'

Documentos de contração

e chicotear coisas como se fossem dados:

 let doc = nlp ( 'ninety five thousand and fifty two' )
doc . numbers ( ) . add ( 20 )
doc . text ( )
// 'ninety five thousand and seventy two'

Docos numéricos

_{-Vue que realmente é-}

 let doc = nlp ( 'the purple dinosaur' )
doc . nouns ( ) . toPlural ( )
doc . text ( )
// 'the purple dinosaurs'

substantivo docs

Use-o no lado do cliente:

 < script src =" https://unpkg.com/compromise " > </ script >
< script >
  var doc = nlp ( 'two bottles of beer' )
  doc . numbers ( ) . minus ( 1 )
  document . body . innerHTML = doc . text ( )
  // 'one bottle of beer'
</ script >

ou da mesma forma:

 import nlp from 'compromise'

var doc = nlp ( 'London is calling' )
doc . verbs ( ) . toNegative ( )
// 'London is not calling' 

Compromisso é ~ 250kb (minificado):

É muito rápido. Pode ser executado no KeyPress:

Funciona principalmente conjugando todas as formas de uma lista básica de palavras.

O léxico final é ~ 14.000 palavras:

Você pode ler mais sobre como funciona, aqui. É estranho.

_{OK -}

compromise/one

Um tokenizer de palavras, frases e pontuação.

 import nlp from 'compromise/one'

let doc = nlp ( "Wayne's World, party time" )
let data = doc . json ( )
/* [{
  normal:"wayne's world party time",
    terms:[{ text: "Wayne's", normal: "wayne" },
      ...
      ]
  }]
*/

Docs tokenizer

Compromisso/um divide seu texto, envolve -o em uma API útil,

_{e não faz mais nada -}

/Um é rápido - a maioria das frases toma 10º de um milissegundo.

Pode fazer ~ 1 MB de texto em uma segunda - ou 10 páginas da Wikipedia.

Jest Infinite leva 3s.

Você também pode paralelizar ou transmitir texto a ele com velocidade de compromisso.

compromise/two

Um tagger part-of-speech e interpretador gramatical.

 import nlp from 'compromise/two'

let doc = nlp ( "Wayne's World, party time" )
let str = doc . match ( '#Possessive #Noun' ) . text ( )
// "Wayne's World"

DOCs de tagger

O compromisso/dois calcula automaticamente a gramática básica de cada palavra.

_{Isso é mais útil do que as pessoas às vezes imaginam.}

A gramática leve ajuda a escrever modelos mais limpos e se aproximar das informações.

O compromisso possui 83 tags , dispostas em um gráfico bonito.

#Firstname → #person → #propernoun → #noun

Você pode ver a gramática de cada palavra executando doc.debug()

Você pode ver o raciocínio para cada tag com nlp.verbose('tagger') .

Se você preferir tags Penn , pode derivá -las com:

 let doc = nlp ( 'welcome thrillho' )
doc . compute ( 'penn' )
doc . json ( ) 

compromise/three

Ferramenta Phrase e frase.

 import nlp from 'compromise/three'

let doc = nlp ( "Wayne's World, party time" )
let str = doc . people ( ) . normalize ( ) . text ( )
// "wayne"

documentos de seleção

Compromise/três é um conjunto de ferramentas para aumentar o zoom e operar em partes de um texto.

.numbers() pega todos os números em um documento, por exemplo - e o estende com novos métodos, como .subtract() .

Quando você tem uma frase ou grupo de palavras, pode ver metadados adicionais sobre isso com .json()

 let doc = nlp ( 'four out of five dentists' )
console . log ( doc . fractions ( ) . json ( ) )
/*[{
    text: 'four out of five',
    terms: [ [Object], [Object], [Object], [Object] ],
    fraction: { numerator: 4, denominator: 5, decimal: 0.8 }
  }
]*/ 

 let doc = nlp ( '$4.09CAD' )
doc . money ( ) . json ( )
/*[{
    text: '$4.09CAD',
    terms: [ [Object] ],
    number: { prefix: '$', num: 4.09, suffix: 'cad'}
  }
]*/ 

API

Compromisso/um

Saída

• .Text () - Retorne o documento como texto
• .json () - Retorne o documento como dados
• .Debug () - Pretty -Print O documento interpretado
• .out () - uma saída nomeada ou personalizada
• .html ({}) - Saída tags html personalizadas para correspondências
• .Wrap ({}) - Produza saída personalizada para correspondências de documentos

UTILS

• .found [getter] - Este documento está vazio?
• .docs [getter] Obtenha objetos de termo como json
• .Length [getter] - Conte o número de caracteres no documento (comprimento da string)
• .isView [getter] - Identifique um objeto de compromisso
• .compute () - Execute uma análise nomeada no documento
• .clone () - cópia profunda do documento, para que nenhuma referência permaneça
• .termlist () - Retorne uma lista plana de todos os objetos de termo na correspondência
• .cache ({}) - congele o estado atual do documento, para purposes de velocidade
• .uncache () - despertar o estado atual do documento, para que possa ser transformado
• .freeze ({}) - impedem que qualquer tags seja removido, nesses termos
• .unfreeze ({}) - Permita que as tags mudem novamente, como padrão

Acessores

• .All () - Retorne o documento original inteiro ('Zoom Out')
• .terms () - Resultados divididos por cada termo individual
• . Primeiro (n) - use apenas os primeiros resultados
• .Last (n) - Use apenas os últimos resultados
• .Slice (n, n) - Pegue um subconjunto dos resultados
• .eq (n) - use apenas o enésimo resultado
• .Firstterms () - Obtenha a primeira palavra em cada partida
• .Lastterms () - Obtenha a palavra final em cada partida
• .fullSentences () - Obtenha a frase inteira para cada partida
• .groups () - Pegue todos os grupos de captura nomeados de uma partida
• .WordCount () - Conte o número de termos no documento
• .confidence () - uma pontuação média para interpretações de tags de POS

Corresponder

(Os métodos de correspondência usam o Match-Syntax.)

• .match ('') - devolva um novo documento, com este como um pai
• .Not ('') - retorne todos os resultados, exceto por isso
• .matchone ('') - retorne apenas a primeira partida
• .if ('') - retorne cada frase atual, apenas se contiver esta correspondência ('somente')
• .IFNO ('') - Filtre todas as frases atuais que tenham essa correspondência ('notif')
• .has ('') - retorne um booleano se essa partida existir
• .Before ('') - Retorne todos os termos antes de uma partida, em cada frase
• .aFter ('') - Retorne todos os termos após uma partida, em cada frase
• .Union () - Retorno correspondências combinadas sem duplicatas
• .Intersection () - Retorne apenas correspondências duplicadas
• .Complement () - Obtenha tudo em outra partida
• .Settle () - Remova sobreposições das correspondências
• .growright ('') - Adicione todos os termos correspondentes imediatamente após cada partida
• .growleft ('') - Adicione todos os termos correspondentes imediatamente antes de cada partida
• .grow ('') - Adicione todos os termos correspondentes antes ou depois de cada partida
• .sweep (net) - aplique uma série de objetos de correspondência no documento
• .Spliton ('') - Retorne um documento com três partes para cada partida ('Spliton')
• .SplitBefore ('') - Partição de uma frase antes de cada segmento correspondente
• .splitafter ('') - Partição uma frase após cada segmento correspondente
• .Join () - mesclar qualquer termos vizinhos em cada partida
• .Joinif (LeftMatch, RightMatch) - Mesclar todos os termos vizinhos em determinadas condições
• .lookup ([]) - Encontre rápido para uma variedade de correspondências de string
• .AUTOFILL () - Crie suposições do tipo Ahead no documento

Marcação

• .TAG ('') - Dê a todos os termos a tag fornecida
• .TAGSAFE ('') - aplique apenas tag nos termos se for consistente com as tags atuais
• .untrag ('') - remova este termo dos termos fornecidos
• .CANBE ('') - retorne apenas os termos que podem ser esta tag

Caso

• .TolowerCase () - Gire todas
• .TOUPPERCASE () - Gire todas as letras de cada termo para maiúsculas
• .TotitLecase () - Caso superior da primeira letra de cada termo
• .TocamelCase () - Remova o espaço em branco e o título de cada termo

Espaço em branco

• .pre ('') - Adicione esta pontuação ou espaço em branco antes de cada partida
• .Post ('') - Adicione esta pontuação ou espaço em branco após cada partida
• .Trim () - Remova o espaço em branco inicial e final
• . -hifenato () - conecte palavras com hífen e remova o espaço em branco
• .DEHIPENATE () - Remova os hífens entre as palavras e defina espaço em branco
• .toquotações () - Adicione aspas em torno dessas partidas
• .toparentesses () - Adicione colchetes em torno dessas partidas

Loops

• .MAP (FN) - Execute cada frase através de uma função e crie um novo documento
• .ForEach (FN) - Execute uma função em cada frase, como um documento individual
• .Filter (FN) - Retorne apenas as frases que retornam verdadeiro
• .Find (FN) - Retorne um documento com apenas a primeira frase que corresponde
• . Alguns (fn) - retorne verdadeiro ou falso se houver uma frase correspondente
• .Random (FN) - Amostra um subconjunto dos resultados

Inserir

• .place (corresponda, substitua) - Pesquise e substitua a correspondência com o novo conteúdo
• .LeRplacewith (Substituir) - Substituir novo texto
• .remove () - remova totalmente estes termos do documento
• .InsertBefore (STR) - Adicione esses novos termos à frente de cada partida (precente)
• .Insertafter (STR) - Adicione esses novos termos ao final de cada partida (Anexo)
• .CONCAT () - Adicione essas coisas novas ao fim
• .swap (fromlemma, tolemma) - Smart Substituir de palavras -raiz, usando a conjugação adequada

Transformar

• .sort ('método') - reorganize a ordem das partidas (no lugar)
• .ververse () - reverte a ordem das correspondências, mas não as palavras
• .Normalize ({}) - Limpe o texto de várias maneiras
• .Unique () - Remova qualquer correspondência duplicada

Lib

(Esses métodos estão no objeto nlp principal)

• nlp.tokenize (str) - Parse o texto sem executar a margem de posse

• NLP.LAZY (STR, Match) - Digitalizar um texto com análise mínima

• nlp.plugin ({}) - Misture em um compromisso -plugin

• NLP.PARSEMATCH (STR) - Pré -parse qualquer declaração de partida no JSON

• nlp.world () - Agarre ou alterar a biblioteca interna

• nlp.model () - Pegue todos os dados lingüísticos atuais

• nlp.methods () - Agarre ou altere os métodos internos

• nlp.Hooks () - Veja quais métodos de computação são executados automaticamente

• nlp.verbose (modo) - registre nossa tomada de decisão para depuração

• NLP.Version - Versão atual de Semver da biblioteca

• nlp.addwords (obj, isfrozen?) - Adicione novas palavras ao léxico

• nlp.addtags (obj) - Adicione novas tags ao tagset

• nlp.typeahead (arr) - Adicione palavras ao dicionário de preenchimento automático

• nlp.buildtrie (arr) - Compile uma lista de palavras em um formulário de pesquisa rápida

• nlp.buildNet (arr) - Compile uma lista de correspondências em uma forma de correspondência rápida

compromisso/dois:

Contrações

• .Contactions () - coisas como "não"
• .Contactions (). Expand () - coisas como "não"
• .CoCract () - coisas como "não"

Compromisso/três:

Substantivos

• .Nouns () - Retorne quaisquer termos subsequentes marcados como um substantivo
  • .Nouns (). JSON () - Saída sobrecarregada com metadados substantivos
  • .Nouns ().
  • .Nouns (). Isplural () - Retorne apenas substantivos plurais
  • .Nouns (). Issingular () - Retorne apenas substantivos singulares
  • .Nouns (). Toplural () - 'football captain' → 'football captains'
  • .Nouns (). Tosingular () - 'turnovers' → 'turnover'
  • .Nouns (). Adjetivos () - Obtenha adjetivos que descrevem este substantivo

Verbos

• .verbs () - Retorne quaisquer termos subsequentes marcados como um verbo
  • .verbs (). json () - saída sobrecarregada com metadados verbos
  • .verbs (). parse () - obtenha o frasco verbal tokenizado
  • .verbs (). sujeitos () - o que está fazendo a ação verbal
  • .verbs (). Adverbs () - Retorne os advérbios que descrevem este verbo.
  • .VERBS (). ISSINGULAR () - Retorne verbos singulares como 'Spencer Walks'
  • .verbs (). isplural () - retorna verbos plurais como 'We Walk'
  • .verbs (). isimperative () - apenas verbos de instrução como 'coma!'
  • .verbs (). topASTTense () - 'will go' → 'went'
  • .verbs (). topResentTense () - 'walked' → 'walks'
  • .verbs (). TofutureTense () - 'walked' → 'will walk'
  • .verbs (). Toinfinitive () - 'walks' → 'walk'
  • .verbs (). TOGERUND () - 'walks' → 'walking'
  • .verbs (). topASTParticiple () - 'drive' → 'had driven'
  • .verbs (). conjugate () - retorna todas as conjugações desses verbos
  • .verbs (). Isnegative () - Retornar verbos com 'não', 'nunca' ou 'não'
  • .verbs (). ispositivo () - apenas verbos sem 'não', 'nunca' ou 'não'
  • .verbs (). Tonegative () - 'went' → 'did not go'
  • .verbs (). topoosition () - "didn't study" → 'studied'

Números

• .Numbers () - Pegue todos os valores escritos e numéricos
  • .Numbers (). Parse () - Obtenha a frase numérica tokenizada
  • .Numbers (). Get () - Obtenha um número de javascript simples
  • .Numbers (). JSON () - Saída sobrecarregada com metadados numéricos
  • .Numbers (). Tonumber () - converta 'cinco' para 5
  • .Numbers (). Tolocalestring () - Adicione vírgulas ou formatação mais agradável para números
  • .Numbers (). Totext () - converta '5' a five
  • fifth () 5th
  • .Numbers (). Tocardinal () - converta 'quinto' para five ou 5
  • .Numbers (). Isordinal () - Retorne apenas números ordinais
  • .numbers (). iscardinal () - Retorne apenas números cardinais
  • .Numbers (). ISequal (n) - Retornar números com este valor
  • .Numbers (). Greaterthan (min) - Retornar números maiores que n
  • .Numbers (). LessThan (max) - Retorno números menores que n
  • .Numbers (). Entre (min, max) - retorna números entre min e max
  • .Numbers (). Isunit (unidade) - Retorne apenas números na unidade especificada, como 'km'
  • .Numbers (). Set (n) - Defina o número como n
  • .Numbers (). Add (n) - Aumente o número por n
  • .Numbers (). Subtrair (n) - diminuir o número por n
  • .numbers (). increment () - aumente o número em 1
  • .Numbers (). decremento () - diminua o número em 1
• .Money () - coisas como '$2.50'
  • .Money (). Get () - Recupere a (s) quantia (s) de dinheiro (s) analisada (s)
  • .Money (). JSON () - Moeda + Informações do Número
  • .Money (). Currency () - Qual moeda o dinheiro está em
• .frações () - como '2/3rds' ou 'um em cada cinco'
  • .Frações (). Parse () - Obtenha fração tokenizada
  • .frações (). get () - numerador simples, dados de denominador
  • .FRACTIONS (). JSON () - JSON Método sobrecarregado com dados de frações
  • .frações (). Todecimal () - '2/3' -> '0,66'
  • .frações (). normalize () - 'quatro de 10' -> '4/10'
  • .frações (). Totext () - '4/10' -> 'Quatro décimos'
  • .FRACTIONS (). TOPERCENTAGE () - '4/10' -> '40%'
• .Percentages () - como '2,5%'
  • .Percentages (). Get () - Retorne o número percentual / 100
  • .Percentages ().
  • .Percentages (). Tofraction () - '80%' ->' 8/10 '

Frases

• .Sentences () - Retorne uma classe de frase com métodos adicionais
  • .Sentences (). JSON () - Saída sobrecarregada com metadados da frase
  • . he walks he walked
  • . he walked he walks
  • . he walks he will walk
  • . he walks he walk
  • . he walks he didn't walk
  • .SENTENCES (). ISQUESTION () - Retornar perguntas com um ?
  • .Sentences (). isExclamation () - Retorno frases com um !
  • .Sentences (). isStatement () - Retorno frases sem ? ou !

Adjetivos

• .Adjectives () - coisas como 'quick'
  • .Adjetivos (). JSON () - Obtenha metadados adjetivos
  • .Adjectives (). conjugate () - Retorne todas as inflexões desses adjetivos
  • .Adjetivos (). Advérbios () - Obtenha advérbios descrevendo este adjetivo
  • .Adjectives (). TOCOMPARATIVO () - 'RÁPIDO' -> 'mais rápido'
  • .Adjetivos (). Tosuperlative () - 'Quick' -> 'mais rápido'
  • .Adjectives (). Toadverb () - 'Quick' -> 'Rapidamente'
  • .Adjectives (). Tonoun () - 'Rápido' -> 'rapidez'

Seleções Misc

• .claUses () -Split-up frases em frases multi-terminadas
• .chunks () -frases divididas em frases e frases verbais
• .Hifenado () - Todos os termos relacionados a um hífen ou traço como 'wash-out'
• .phonenumbers () - coisas como '[phone]'
• .hashtags () - coisas como '#nlp'
• .Emails () - coisas como '[email protected]'
• .emoticons () - coisas como :)
• .emojis () - coisas como ?
• .atmentions () - coisas como '@nlp_compromise'
• .urls () - coisas como 'compromise.cool'
• .prons () - coisas como 'he'
• .conjunctions () - coisas como 'but'
• .Prepositions () - coisas como 'of'
• .ABBREVIATIONS () - Coisas como 'Mrs.'
• .People () - Nomes como 'John F. Kennedy'
  • .People (). JSON () - Obtenha metadados do nome da pessoa
  • .People (). Parse () - Obtenha a interpretação do nome da pessoa
• .places () - como 'Paris, França'
• .Organizações () - como 'Google, Inc'
• .Topics () - people() + places() + organizations()
• .Adverbs () - coisas como 'quickly'
  • .Adverbs (). JSON () - Obtenha metadados de advérbios
• .ACRONYMS () - Coisas como 'FBI'
  • .acrônimos (). Strip () - Remova períodos de acrônimos
  • .ACRONYMS (). addPeriods () - Adicione períodos às acrônimas
• .Parenthesses () - Retorne qualquer coisa dentro (parênteses)
  • .parentesses (). Strip () - Remova os colchetes
• .Possessives () - coisas como "Spencer's"
  • .Possessives (). Strip () - "Spencer's" -> "Spencer"
• .quotações () - Retorne todos os termos dentro de aspas emparelhadas
  • .quotações (). Strip () - Remova as aspas
• .SLASHES () - Retorne todos os termos agrupados por barras
  • .SLASHES (). Split () - Transforme 'Love/Hate' em 'Love Hate'

.Extend ():

Esta biblioteca vem com uma linha de base de senso comum e atencioso para a gramática inglesa.

Você é livre para mudar ou lateral para qualquer configuração - que é a parte divertida.

A parte mais fácil é apenas sugerir tags para qualquer palavra:

 let myWords = {
  kermit : 'FirstName' ,
  fozzie : 'FirstName' ,
}
let doc = nlp ( muppetText , myWords )

Ou faça alterações mais pesadas com um comprometimento-plugina.

 import nlp from 'compromise'
nlp . extend ( {
  // add new tags
  tags : {
    Character : {
      isA : 'Person' ,
      notA : 'Adjective' ,
    } ,
  } ,
  // add or change words in the lexicon
  words : {
    kermit : 'Character' ,
    gonzo : 'Character' ,
  } ,
  // change inflections
  irregulars : {
    get : {
      pastTense : 'gotten' ,
      gerund : 'gettin' ,
    } ,
  } ,
  // add new methods to compromise
  api : View => {
    View . prototype . kermitVoice = function ( ) {
      this . sentences ( ) . prepend ( 'well,' )
      this . match ( 'i [(am|was)]' ) . prepend ( 'um,' )
      return this
    }
  } ,
} )

.Plugin () Docs

Documentos:

Introdução suave:

• #1) Entrada → Saída
• #2) Combine e transforme
• #3) Fazendo um bate-papo

Documentação:

Conceitos	API	Plugins
Precisão	Acessores	Adjetivos
Cache	Construtor-métodos	Datas
Caso	Contrações	Exportar
LIMPERIDO FIONS	Inserir	Hash
Internalas	JSON	Html
Justificação	Compensações de personagens	KeyPress
Léxico	Loops	Ngrams
Match-Syntax	Corresponder	Números
Desempenho	Substantivos	Parágrafos
Plugins	Saída	Scan
Projetos	Seleções	Frases
Tagger	Classificação	Sílabas
Tags	Dividir	Pronunciar
Tokenização	Texto	Estrito
Nomeadas-entidades	UTILS	Penn-Tags
Espaço em branco	Verbos	Typeahead
Dados mundiais	Normalização	Varrer
Combinação difusa	TypeScript	Mutação
Formas de raiz

Conversas:

• Linguagem como uma interface - de Spencer Kelly
• Coding Chat Bots - Por Kahwee Teng
• Sobre digitação e dados - de Spencer Kelly

Artigos:

• Conversas sociais de geocodificação com PNL e JavaScript - da Microsoft
• Receita de microsserviço - por eventn
• Aventure Game Sinence analisando com compromisso
• Construindo jogos baseados em texto - de Matt Eland
• Diversão com JavaScript em BigQuery - de Felipe Hoffa
• Processamento de linguagem natural ... no navegador? - por Charles Landau

Alguns aplicativos divertidos:

• Teste de Bechdel automatizado - pelo Guardian
• Estrutura de geração de histórias - por Jose Phrocca
• Tumbler Blog of Lists - Listas do tipo Horse -Ebooks - Por Michael Paulukonis
• Edição de vídeo da transcrição - por nova teoria
• Extensão do navegador Verificação de fatos - por Alexander Kidd
• Atalho Siri - de Michael Byrns
• Habilidade da Amazon - de Tajddin Maghni
• Tasking Slack -Bot - Por Kevin Suh [Veja mais]

Comparações

• Compromisso e Spacy
• Compromisso e NLTK

---

Plugins:

Estas são algumas extensões úteis:

Datas

npm install compromise-dates

• .DATES () - Encontre datas como June 8th ou 03/03/18
  • .DATES (). Get () - Resultado de JSON de início/final simples
  • .DATES (). JSON () - Saída sobrecarregada com metadados de data
  • .dates (). formato ('') - converta as datas em formatos específicos
  • .DATES ().
  • .DATES (). TOLONGFORM () - Converta 'fev' para 'fevereiro', etc.
• .durações () - 2 weeks ou 5mins
  • .durações (). Get () - Retorne JSON simples por duração
  • .durações (). JSON () - Saída sobrecarregada com metadados de duração
• .Times () - 4:30pm ou half past five
  • .Times (). Get () - Retorne JSON simples para os tempos
  • .Times (). JSON () - Saída sobrecarregada com metadados do tempo

Estatísticas

npm install compromise-stats

• .tfidf ({}) - classifique as palavras por frequência e singularidade

• .ngrams ({}) -liste todas as sub-frases repetidas, por contagem de palavras

• .Unigrams () - n -gramas com uma palavra

• .bigrams () - n -gramas com duas palavras

• .TRIGRAMS () - N -Grams com três palavras

• .StartGrams () - n -gramas, incluindo o primeiro mandato de uma frase

• .ENDGRAMS () - N -Grams, incluindo o último mandato de uma frase

• .EdgeGrams () - n -gramas, incluindo o primeiro ou o último mandato de uma frase

Discurso

npm install compromise-syllables

• .syllables () - divida cada termo por sua pronúncia típica
• .SoundsLike () - produz uma pronúncia estimada

Wikipedia

npm install compromise-wikipedia

• .wikipedia () - Reconciliação do artigo comprimido

---

TypeScript

Estamos comprometidos com o suporte de TypeScript/deno, tanto no Principal quanto no Plugins Oficiais:

 import nlp from 'compromise'
import stats from 'compromise-stats'

const nlpEx = nlp . extend ( stats )

nlpEx ( 'This is type safe!' ) . ngrams ( { min : 1 } )

Documentos datilografados

Limitações:

• Atualmente , o suporte de barra: Atualmente, dividimos o corte como palavras diferentes, como fazemos para os hífens. Então, coisas assim não funcionam: nlp('the koala eats/shoots/leaves').has('koala leaves') //false

• Combinação entre sentenças: por padrão, as frases são a abstração de nível superior. As correspondências inter-sentenças, ou multi-frase, não são suportadas sem um plug-in: nlp("that's it. Back to Winnipeg!").has('it back')//false

• Sintaxe do Match Nested: A beleza do perigo de Regex é que você pode voltar indefinidamente. Nossa sintaxe de partida é muito mais fraca. Coisas como essa não são (ainda) possíveis: doc.match('(modern (major|minor))? general') Matches complexos devem ser alcançados com declarações sucessivas .match () .

• Analisação de dependência: a transformação adequada da frase requer a compreensão da árvore de sintaxe de uma frase, o que não fazemos atualmente. Devemos! Ajuda desejada com isso.

Perguntas frequentes

☂️ Não é JavaScript também ...
Sim, é!
Foi construído para competir com o NLTK e pode não se encaixar em todos os projetos.
O processamento de string também é síncrono e os processos de nó paralelo são estranhos.
Veja aqui as informações sobre velocidade e desempenho, e aqui para motivações do projeto
? Ele pode ser executado no meu Arduino-Watch?
Somente se for à prova de água!
Leia o início rápido para o comprometimento de trabalhadores, aplicativos móveis e todos os tipos de ambientes engraçados.
? Compromisso em outros idiomas?
Temos garfos de trabalho em andamento para alemão, francês, espanhol e italiano na mesma filosofia.
e precisa de ajuda.
Construções parciais?
Oferecemos uma construção somente para tokenize, que tem o post-tagge.
Mas, caso contrário, o compromisso não é facilmente agitado em árvores.
Os métodos de marcação são competitivos e gananciosos, por isso não é recomendável tirar as coisas.
Observe que, sem um POS completo, o parador de contração não funcionará perfeitamente. ( (Spencer's Cool) vs. (casa de Spencer) )
É recomendável executar a biblioteca completamente.

Veja também:

• EN-POS -JavaScript Pos-Tagger muito inteligente por Alex Corvi

• NaturalNode - NLP estatística mais sofisticada em JavaScript

• Winkjs -Pos-Tagger, tokenizer, aprendizado de máquina em JavaScript

• Dariusk/Pos -JS - FastTag Fork em JavaScript

• Compêndio -JS - POS e análise de sentimentos em JavaScript

• Linguística de Nodebox - conjugação, inflexão em JavaScript

• RETEXT - Utilitários de texto muito impressionantes em JavaScript

• SUPERSCRIPT - MOTOR DE CONVERSA EM JS

• JSPOs -Javascript Build of the Time Tested Brill-Tagger

• Spacy - Tagger rápido e multilíngue em C/Python

• Prosa - Tagger rápido em Go por Joseph Kato

• TextBlob - Python Tagger

Mit