ArticutAPI
v1.3.7
| ชื่อ | บทความ | mp_articutapi | ws_articutapi |
|---|---|---|---|
| ผลิตภัณฑ์ | ออนไลน์ / นักเทียบท่า | นักเทียบท่า | นักเทียบท่า |
| เทคโนโลยี | คำขอ http | การประมวลผล | websocket |
| คุณสมบัติ | ใช้งานง่ายและใช้งานง่าย | การประมวลผลแบบแบตช์ | การประมวลผลทันที |
| สถานการณ์ที่เกี่ยวข้อง | ใดๆ | การวิเคราะห์ข้อความ | chatbot |
| ชื่อ | บทความ | mp_articutapi | ws_articutapi |
|---|---|---|---|
| เวลา | 0.1252 วินาที | 0.1206 วินาที | 0.0677 วินาที |
| จำนวนประโยค | บทความ | mp_articutapi | ws_articutapi |
|---|---|---|---|
| วิธี | แยกวิเคราะห์ () | BULK_PARSE (20) | แยกวิเคราะห์ () |
| 1k | 155 วินาที | 8 วินาที | 18 วินาที |
| 2K | 306 วินาที | 14 วินาที | 35 วินาที |
| 3K | 455 วินาที | 17 วินาที | 43 วินาที |
MP_ArticutAPI ใช้วิธี bulk_parse (bulksize = 20)WS_ArticutAPI ใช้วิธีการแยกวิเคราะห์ ()pip3 install ArticutAPIโปรดดู docs/index.html สำหรับคำอธิบายฟังก์ชั่น
from ArticutAPI import Articut
from pprint import pprint
username = "" #這裡填入您在 https://api.droidtown.co 使用的帳號 email。若使用空字串，則預設使用每小時 2000 字的公用額度。
apikey = "" #這裡填入您在 https://api.droidtown.co 登入後取得的 api Key。若使用空字串，則預設使用每小時 2000 字的公用額度。
articut = Articut(username, apikey)
inputSTR = "會被大家盯上，才證明你有實力。"
resultDICT = articut.parse(inputSTR)
pprint(resultDICT)
{"exec_time": 0.06723856925964355,
"level": "lv2",
"msg": "Success!",
"result_pos": ["<MODAL>會</MODAL><ACTION_lightVerb>被</ACTION_lightVerb><ENTITY_nouny>大家</ENTITY_nouny><ACTION_verb>盯上</ACTION_verb>",
"，",
"<MODAL>才</MODAL><ACTION_verb>證明</ACTION_verb><ENTITY_pronoun>你</ENTITY_pronoun><ACTION_verb>有</ACTION_verb><ENTITY_noun>實力</ENTITY_noun>",
"。"],
"result_segmentation": "會/被/大家/盯上/，/才/證明/你/有/實力/。/",
"status": True,
"version": "v118",
"word_count_balance": 9985,
"product": "https://api.droidtown.co/product/",
"document": "https://api.droidtown.co/document/"
}
คุณสามารถค้นหาคำที่มีความหมายที่สมบูรณ์ของคำเช่น "คำนาม", "คำกริยา" หรือ "คำคุณศัพท์" ตามความต้องการของคุณ
inputSTR = "你計劃過地球人類補完計劃"
resultDICT = articut.parse(inputSTR, level="lv1")
pprint(resultDICT["result_pos"])
#列出所有的 content word.
contentWordLIST = articut.getContentWordLIST(resultDICT)
pprint(contentWordLIST)
#列出所有的 verb word. (動詞)
verbStemLIST = articut.getVerbStemLIST(resultDICT)
pprint(verbStemLIST)
#列出所有的 noun word. (名詞)
nounStemLIST = articut.getNounStemLIST(resultDICT)
pprint(nounStemLIST)
#列出所有的 location word. (地方名稱)
locationStemLIST = articut.getLocationStemLIST(resultDICT)
pprint(locationStemLIST)
#resultDICT["result_pos"]
["<ENTITY_pronoun>你</ENTITY_pronoun><ACTION_verb>計劃</ACTION_verb><ASPECT>過</ASPECT><LOCATION>地球</LOCATION><ENTITY_oov>人類</ENTITY_oov><ACTION_verb>補完</ACTION_verb><ENTITY_nounHead>計劃</ENTITY_nounHead>"]
#列出所有的 content word.
[[(47, 49, '計劃'), (117, 119, '人類'), (146, 147, '補'), (196, 198, '計劃')]]
#列出所有的 verb word. (動詞)
[[(47, 49, '計劃'), (146, 147, '補')]]
#列出所有的 noun word. (名詞)
[[(117, 119, '人類'), (196, 198, '計劃')]]
#列出所有的 location word. (地方名稱)
[[(91, 93, '地球')]]
resultDICT = articut.versions()
pprint(resultDICT)
{"msg": "Success!",
"status": True,
"versions": [{"level": ["lv1", "lv2"],
"release_date": "2019-04-25",
"version": "latest"},
{"level": ["lv1", "lv2"],
"release_date": "2019-04-25",
"version": "v118"},
{"level": ["lv1", "lv2"],
"release_date": "2019-04-24",
"version": "v117"},...
}
inputSTR = "小紅帽"
resultDICT = articut.parse(inputSTR, level="lv1")
pprint(resultDICT)
คำกริยาคำกริยามากเหมาะสำหรับการใช้ NLU หรือการใช้งานการแปลอัตโนมัติของเครื่อง นำเสนอผลลัพธ์เพื่อแบ่งองค์ประกอบแต่ละองค์ประกอบในประโยคให้มากที่สุด
{"exec_time": 0.04814624786376953,
"level": "lv1",
"msg": "Success!",
"result_pos": ["<MODIFIER>小</MODIFIER><MODIFIER_color>紅</MODIFIER_color><ENTITY_nounHead>帽</ENTITY_nounHead>"],
"result_segmentation": "小/紅/帽/",
"status": True,
"version": "v118",
"word_count_balance": 9997,...}
วลีสัณฐานวิทยาเหมาะสำหรับการวิเคราะห์ข้อความการคำนวณค่าคุณสมบัติการสกัดคำหลัก ฯลฯ ผลงานนำเสนอจะถูกนำเสนอในหน่วยความหมายที่เล็กที่สุด
{"exec_time": 0.04195523262023926,
"level": "lv2",
"msg": "Success!",
"result_pos": ["<ENTITY_nouny>小紅帽</ENTITY_nouny>"],
"result_segmentation": "小紅帽/",
"status": True,
"version": "v118",
"word_count_balance": 9997,...}
เพราะบทความเกี่ยวข้องกับ "ความรู้ภาษา" เท่านั้นและไม่ใช่ "ความรู้เกี่ยวกับสารานุกรม" เราให้ฟังก์ชั่นของคำศัพท์ "การปรับแต่งผู้ใช้" ซึ่งใช้ในรูปแบบพจนานุกรมโปรดเขียนด้วยตัวเอง
userdefinedfile.json
{"雷姆":["小老婆"],
"艾蜜莉亞":["大老婆"],
"初音未來": ["初音", "只是個軟體"],
"李敏鎬": ["全民歐巴", "歐巴"]}
runarticut.py
from ArticutAPI import Articut
from pprint import pprint
articut = Articut()
userDefined = "./UserDefinedFile.json"
inputSTR = "我的最愛是小老婆，不是初音未來。"
# 使用自定義詞典
resultDICT = articut.parse(inputSTR, userDefinedDictFILE=userDefined)
pprint(resultDICT)
# 未使用自定義詞典
resultDICT = articut.parse(inputSTR)
pprint(resultDICT)
# 使用自定義詞典
{"result_pos": ["<ENTITY_pronoun>我</ENTITY_pronoun><FUNC_inner>的</FUNC_inner><ACTION_verb>最愛</ACTION_verb><AUX>是</AUX><UserDefined>小老婆</UserDefined>",
"，",
"<FUNC_negation>不</FUNC_negation><AUX>是</AUX><UserDefined>初音未來</UserDefined>",
"。"],
"result_segmentation": "我/的/最愛/是/小老婆/，/不/是/初音未來/。/",...}
# 未使用自定義詞典
{"result_pos": ["<ENTITY_pronoun>我</ENTITY_pronoun><FUNC_inner>的</FUNC_inner><ACTION_verb>最愛</ACTION_verb><AUX>是</AUX><ENTITY_nouny>小老婆</ENTITY_nouny>",
"，",
"<FUNC_negation>不</FUNC_negation><AUX>是</AUX><ENTITY_nouny>初音</ENTITY_nouny><TIME_justtime>未來</TIME_justtime>",
"。"],
"result_segmentation": "我/的/最愛/是/小老婆/，/不/是/初音/未來/。/",...}
แพลตฟอร์มเปิดของรัฐบาลประกอบด้วย "สำนักการท่องเที่ยวของกระทรวงคมนาคมรวบรวมข้อมูลการท่องเที่ยวเชิงพื้นที่ที่เผยแพร่โดยหน่วยงานรัฐบาลต่างๆ" บทความสามารถใช้ข้อมูลในนั้นและทำเครื่องหมายเป็น <keepling_place>
อัปโหลดเนื้อหา (รูปแบบ JSON)
{
"username": "[email protected]",
"api_key": "anapikeyfordocthatdoesnwork@all",
"input_str": "花蓮的原野牧場有一間餐廳",
"version": "v137",
"level": "lv1",
"opendata_place": true
}
ส่งคืนเนื้อหา (รูปแบบ JSON)
{
"exec_time": 0.013453006744384766,
"level": "lv1",
"msg": "Success!",
"result_pos": ["<LOCATION>花蓮</LOCATION><FUNC_inner>的</FUNC_inner><KNOWLEDGE_place>原野牧場</KNOWLEDGE_place><ACTION_verb>有</ACTION_verb><ENTITY_classifier>一間</ENTITY_classifier><ENTITY_noun>餐廳</ENTITY_noun>"],
"result_segmentation": "花蓮/的/原野牧場/有/一間/餐廳/",
"status": True,
"version": "v137",
"word_count_balance": 99987
}
ตัวอย่างการใช้งาน: https://github.com/droidtown/articutapi/blob/master/articutapi.py#l624
กระดาษอัลกอริทึม: Textrank: นำคำสั่งมาเป็นข้อความ
ตัวอย่างการใช้งาน: https://github.com/droidtown/articutapi/blob/master/articutapi.py#l629
ข้อกำหนดด้านสิ่งแวดล้อม
Python 3.6.1
$ pip install graphene
$ pip install starlette
$ pip install jinja2
$ pip install uvicorn
ดำเนินการบทความ GRAPHQL.PY เพื่อนำเส้นทางเก็บถาวรไปสู่ผลการทำลายคำของ Articut และเปิดเบราว์เซอร์เพื่อเข้าสู่ URL http://0.0.0.0:8000/
$ python ArticutGraphQL.py articutResult.json
ติดตั้งโมดูลกราฟีน
$ pip install graphene
inputSTR = "地址：宜蘭縣宜蘭市縣政北七路六段55巷1號2樓"
result = articut.parse(inputSTR)
with open("articutResult.json", "w", encoding="utf-8") as resultFile:
json.dump(result, resultFile, ensure_ascii=False)
graphQLResult = articut.graphQL.query(
filePath="articutResult.json",
query="""
{
meta {
lang
description
}
doc {
text
tokens {
text
pos_
tag_
isStop
isEntity
isVerb
isTime
isClause
isKnowledge
}
}
}""")
pprint(graphQLResult)
inputSTR = "劉克襄在本次活動當中，分享了台北中山北路一日遊路線。他表示當初自己領著柯文哲一同探索了雙連市場與中山捷運站的小吃與商圈，還有商圈內的文創商店與日系雜物店鋪，都令柯文哲留下深刻的印象。劉克襄也認為，雙連市場內的魯肉飯、圓仔湯與切仔麵，還有九條通的日式店家、居酒屋等特色，也能讓人感受到台北舊城區不一樣的魅力。"
result = articut.parse(inputSTR)
with open("articutResult.json", "w", encoding="utf-8") as resultFile:
json.dump(result, resultFile, ensure_ascii=False)
graphQLResult = articut.graphQL.query(
filePath="articutResult.json",
query="""
{
meta {
lang
description
}
doc {
text
ents {
persons {
text
pos_
tag_
}
}
}
}""")
pprint(graphQLResult)
