xmnlp
v0.3.2
XMNLP: инструментарий для обработки естественного языка с открытым исходным кодом из коробки
XMNLP: инструментарий китайского натурального языка на естественном языке
Установите последнюю версию XMNLP
pip install -U xmnlp
Домашние пользователи могут добавить Index-url
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U xmnlpПосле установки пакета также необходимо загрузить веса модели, которые будут использоваться нормально.
Пожалуйста, загрузите соответствующую версию модели XMNLP. Если вам не ясно о версии XMNLP, вы можете выполнить python -c 'import xmnlp; print(xmnlp.__version__)' для просмотра версии
| Название модели | Применимая версия | Скачать адрес |
|---|---|---|
| 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] |
После загрузки модели вам необходимо установить путь модели XMNLP для нормального запуска. Предоставлены два метода конфигурации
Метод 1: Настройка переменных среды (рекомендуется)
После того, как загруженная модель разместится, вы можете установить переменную среды для указания адреса модели. Взяв систему Linux в качестве примера, настройки следующие
export XMNLP_MODEL=/path/to/xmnlp-modelsМетод 2: Настройка через функции
Установите адрес модели перед вызовом XMNLP следующим образом
import xmnlp
xmnlp . set_model ( '/path/to/xmnlp-models' )
* Вышеуказанный /path/to/ предназначен только для заполнителя. Пожалуйста, замените его на реальный адрес каталога модели при настройке.
Китайская сегментация слов (по умолчанию), основанная на обратном максимальном соответствии, Roberta + CRF используется для нового распознавания слов.
Параметр:
Результат возвращается:
Пример:
> >> 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' , '?' , '。' ]
Сегментация слов на основе обратного максимального сопоставления не включает в себя новое распознавание слов и быстрее.
Параметр:
Результат возвращается:
Пример:
> >> 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' , '?' , '。' ]
Основываясь на модели Roberta + CRF, скорость медленнее. В настоящее время глубокий интерфейс поддерживает только упрощенные китайцы, а не традиционный китайский.
Параметр:
Результат возвращается:
Пример:
> >> 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' , '?' , '。' ]
Часть речевой аннотации.
Параметр:
Результат возвращается:
Пример:
> >> 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' )]
Основываясь на обратном максимальном соответствии, он не включает в себя новое распознавание слов и быстрее.
Параметр:
Результат возвращается:
Пример:
> >> 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' )]
Основываясь на модели Roberta + CRF, скорость медленнее. В настоящее время глубокий интерфейс поддерживает только упрощенные китайцы, а не традиционный китайский.
Параметр:
Результат возвращается:
Пример:
> >> 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' )]Поддержка пользовательского словаря, словарный формат
词1 词性1
词2 词性2
Также совместим с форматом словаря причастия Цзиба
词1 词频1 词性1
词2 词频2 词性2
ПРИМЕЧАНИЕ: проставка в вышеупомянутой линии - это пространство
Пример использования:
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 )
Названное распознавание тела, типы сущностей, которые поддерживают распознавание:
Параметр:
Результат возвращается:
Пример:
> >> 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 )]
Извлеките ключевые слова из текста на основе алгоритма текстового текста.
Параметр:
Результат возвращается:
Пример:
> >> 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 )]
Извлеките ключевые предложения из текста на основе алгоритма текстового текста.
Параметр:
Результат возвращается:
Пример:
> >> 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' ]
Эмоциональное признание основано на обучении корпуса электронной коммерции и подходит для эмоционального признания в сценариях электронной коммерции.
Параметр:
Результат возвращается:
Пример:
> >> import xmnlp
> >> text = "这本书真不错，下次还要买"
> >> print ( xmnlp . sentiment ( text ))
( 0.02727833203971386 , 0.9727216958999634 )
Текст на пинин
Параметр:
Результат возвращается:
Пример:
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . pinyin ( text ))
[ 'Zi' , 'ran' , 'yu' , 'yan' , 'chu' , 'li' ]
Извлеките текстовые радикалы
Параметр:
Результат возвращается:
Пример:
> >> import xmnlp
> >> text = "自然语言处理"
> >> print ( xmnlp . radical ( text ))
[ '自' , '灬' , '讠' , '言' , '夂' , '王' ]
Исправление текстовой ошибки
Параметр:
Результат возвращается:
Пример:
> >> 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 )]}Функция инициализации предложения
Ниже приведены три функции члена предложения.
Пример использования
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 )Выход
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,)
Новая версия больше не предоставляет соответствующий интерфейс параллельной обработки и требует использования xmnlp.utils.parallel_handler для определения интерфейса параллельной обработки.
Интерфейс заключается в следующем:
xmnlp . utils . parallel_handler ( callback : Callable , texts : List [ str ], n_jobs : int = 2 , ** kwargs ) - > Generator [ List [ Any ], None , None ]Пример использования:
from functools import partial
import xmnlp
from xmnlp . utils import parallel_handler
seg_parallel = partial ( parallel_handler , xmnlp . seg )
print ( seg_parallel ( texts ))
С нетерпением жду большего количества друзей, чтобы создать простой и простой в использовании китайский инструмент НЛП
@ 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 }},
}
Я привержен исследованиям и реализации НЛП, и мои указания включают в себя: извлечение информации, эмоциональная классификация и т. Д.
Для других потребностей в реализации NLP, пожалуйста, свяжитесь с [email protected] (это оплачиваемая услуга, а ошибки, связанные с XMNLP.
Поиск официальной учетной записи xmnlp-ai , чтобы следовать, выберите «Группа связи» в меню, чтобы присоединиться к группе.
Данные, используемые в этом проекте, в основном:
Apache 2.0
Большинство моделей построены на основе LANGML
