spikex
1.0.0
Spikex - это коллекция труб, готовых к подключению в трубопровод Spacy. Он направлен на то, чтобы помочь в создании инструментов извлечения знаний с почти нулевыми усилиями.
Викиграф никогда не был такой молнией:
Doc на основе пользовательского имени атрибута и шаблонов фразы. Примерами являются Nounphrasex и Verbphrasex , которые извлекают существительные фразы и глагольные фразы соответственноНекоторые требования унаследованы от Spacy:
Некоторые зависимости используют цинтон , и его необходимо установить перед Spikex:
pip install cythonПомните, что всегда рекомендуется виртуальная среда, чтобы избежать изменения состояния системы.
На этом этапе установка Spikex через PIP - это команда One Line:
pip install spikexSpikex Tipes работают со Spacy, отсюда и модель, которую необходимо установить. Следуйте официальным инструкциям здесь. Совершенно новый Spacy 3.0 поддерживается!
WikiGraph построен, начиная с некоторых ключевых компонентов Википедии: страницы , категории и отношения между ними.
Создание WikiGraph может занять время, в зависимости от того, насколько велик его свалка в Википедии. По этой причине мы предоставляем викиграфы, готовые к использованию:
| Дата | Викиграф | Ланг | Размер (сжатый) | Размер (память) | |
|---|---|---|---|---|---|
| 2021-05-20 | enwiki_core | Поступка | 1,3 ГБ | 8 ГБ | |
| 2021-05-20 | simplewiki_core | Поступка | 20 МБ | 130 МБ | |
| 2021-05-20 | itwiki_core | ЭТО | 208 МБ | 1,2 ГБ | |
| Больше грядущего ... |
Spikex предоставляет команду для загрузки и установки WikiGraph (Linux или MacOS, Windows еще не поддерживается):
spikex download-wikigraph simplewiki_core WikiGraph может быть создан из командной строки, указывающий, какая выпуск Википедии нужно взять и где его сохранить:
spikex create-wikigraph
< YOUR-OUTPUT-PATH >
--wiki < WIKI-NAME, default: en >
--version < DUMP-VERSION, default: latest >
--dumps-path < DUMPS-BACKUP-PATH > Тогда его нужно упаковать и установить:
spikex package-wikigraph
< WIKIGRAPH-RAW-PATH >
< YOUR-OUTPUT-PATH >Следуйте инструкциям в конце процесса упаковки и установите распределительный пакет в вашей виртуальной среде. Теперь вы готовы использовать свой викиграф по своему усмотрению:
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_linguisticsМатлер идентичен одному, но быстрее, когда дело доходит до обработки многих моделей одновременно (порядок тысяч), поэтому следуйте официальным инструкциям по использованию здесь.
Тривиальный пример:
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 В трубе WikiPageX используется WikiGraph , чтобы найти куски в тексте, который соответствует титулам страниц Википедии.
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)' ] Труба ClusterX берет существительные кусочки в тексту и кластера их с помощью алгоритма Mapper радиального шарика.
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 ]Труба ABBRX находит сокращения и аббревиатуры в тексте, связывая короткие и длинные формы вместе:
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 Труба LabelX совпадает с шаблонами маркировки в тексте, решении перекрытий, сокращений и сокращений.
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 Pipe создает индивидуальное расширение Doc , которое соответствует сочетаниям из фразовых шаблонов.
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 Tipe разбивает предложения в тексте. Он изменяет атрибут Tokens ' is_sent_start , поэтому обязательно добавить его перед париторией в трубопроводе Spacy:
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 .Не стесняйтесь вносить свой вклад и веселиться!
