SceneGraphParser

SceneGraphParser

SceneGraphParser ( sng_parser ) - это инструментарий Python для разбора предложений (на естественном языке) в графики сцен (как символическое представление) на основе анализа зависимости. Этот проект вдохновлен парсером Стэнфордского графа.

В отличие от Стэнфордской версии, этот анализатор написан исключительно Python. Он имеет простой в использовании пользовательский интерфейс и простой в конфигурации дизайн. Он анализирует предложения в графики, где узлы являются существительными (с такими модификаторами, как детерминанты или прилагательные), а края являются отношениями между существительными. Пожалуйста, см. В разделе «Пример» для получения подробной информации.

Основной момент: этот проект все еще разрабатывается. Все API подвергаются любым изменениям.

Примечание . Как вы можете заметить, анализ проводится набором экологически чистых правил на дереве анализа. Таким образом, нам нужна помощь от всех при сборе сбоев/угловых случаев текущей программы. Любые отчеты или помощь должны быть более чем приветствовать.

Это репо было разработано для:
Унифицированные визуальные встраивания: соединение зрения и языка со структурированным значением представлений
Хао Ву, Цзяюан Мао, Юфенг Чжан, Юнинг Цзян, Лей Ли, Вейвей Сан и Вей-Иин Ма
В конференции по компьютерному зрению и распознаванию шаблонов (CVPR) 2019 (устная презентация)

Пожалуйста, рассмотрите возможность ссылаться на нашу газету, если вы чувствуете, что вы чувствуете себя нанесены :). Разница между этим репо и оригинальным анализатором графика сцены Стэнфорда можно найти в #7.

Установка

Пакет может быть установлен с помощью PIP. Поскольку в настоящее время он поддерживает Spacy как Backend, английский пакет должен быть загружен после установки.

pip install SceneGraphParser
python -m spacy download en  # to use the parser for English 

Пример

Самый простой способ использования этого инструмента - это вызов функции parse . В дизайне sng_parser поддерживает различные бэкэнды. В настоящее время мы поддерживаем только бэкэнд Spacy.

pip install spacy

 > >> import sng_parser
> >> graph = sng_parser . parse ( 'A woman is playing the piano in the room.' )

 > >> from pprint import pprint
> >> pprint ( graph )

 {'entities': [{'head': 'woman',
               'lemma_head': 'woman',
               'lemma_span': 'a woman',
               'modifiers': [{'dep': 'det', 'lemma_span': 'a', 'span': 'A'}],
               'span': 'A woman'},
              {'head': 'piano',
               'lemma_head': 'piano',
               'lemma_span': 'the piano',
               'modifiers': [{'dep': 'det',
                              'lemma_span': 'the',
                              'span': 'the'}],
               'span': 'the piano'},
              {'head': 'room',
               'lemma_head': 'room',
               'lemma_span': 'the room',
               'modifiers': [{'dep': 'det',
                              'lemma_span': 'the',
                              'span': 'the'}],
               'span': 'the room'}],
 'relations': [{'object': 1, 'relation': 'playing', 'subject': 0},
               {'object': 2, 'relation': 'in', 'subject': 0}]}

 > >> sng_parser . tprint ( graph )  # we provide a tabular visualization of the graph. 

 Entities:
+--------+-----------+-------------+
| Head   | Span      | Modifiers   |
|--------+-----------+-------------|
| woman  | a woman   | a           |
| piano  | the piano | the         |
| room   | the room  | the         |
+--------+-----------+-------------+
Relations:
+-----------+------------+----------+
| Subject   | Relation   | Object   |
|-----------+------------+----------|
| woman     | playing    | piano    |
| woman     | in         | room     |
+-----------+------------+----------+

В качестве альтернативы, вы можете настроить свой собственный анализатор:

 > >> import sng_parser
> >> parser = sng_parser . Parser ( 'spacy' , model = 'en' )  # the positional argument specifies the backend, and the keyward arguments are for the backend initialization.
> >> graph = parser . parse ( 'A woman is playing the piano in the room.' )

Спецификация графика

Мы используем Pure Pythonic dict и list , чтобы представлять график. Хотя эта гибкость может вызвать некоторые нежелательные проблемы, мы предпочитаем это представление, потому что:

1. В настоящее время инструмент все еще разрабатывается, эти API -интерфейсы подлежат изменению.
2. Это позволяет интегрировать инструмент в любые проекты на основе Python. Вам не нужно заботиться о том, чтобы марировать/расстраивать результаты. Используйте его в любом месте вашего кода!

Сгенерированные графики сцены соответствуют следующей спецификации:

{
  'entities' : [  # a list of entities
    {
      'span' : "the full span of a noun phrase" ,
      'lemma_span' : "the lemmatized version of the span" ,
      'head' : "the head noun" ,
      'lemma_head' : "the lemmatized version of the head noun" ,
      'modifiers' : [
        {
          'dep' : "the dependency type" ,
          'span' : "the span of the modifier" ,
          'lemma_span' : "the lemmatized version of the span"
        },
        # other modifiers...
      ]
    },
    # other entities...
  ],

  'relations' : [  # a list of relations
    # the subject and object fields are sometimes called "head" and "tail" in relation extraction papers.
    {
      'subject' : "the entity id of the subject" ,
      'object' : "the entity id of the object" ,
      'relation' : "the relation"
    }
    # other relations...
  ]
}