spikex
1.0.0
Spikex เป็นคอลเลกชันของท่อที่พร้อมเสียบปลั๊กในไปป์ไลน์ มันมีจุดมุ่งหมายเพื่อช่วยในการสร้างเครื่องมือสกัดความรู้ด้วยความพยายามเกือบเป็นศูนย์
Wikigraph ไม่เคยมีสายฟ้าเร็วขนาดนี้:
Doc ตามชื่อแอตทริบิวต์ที่กำหนดเองและรูปแบบวลี ตัวอย่างคือ nounphrasex และ verbphrasex ซึ่งแยกวลีคำนามและวลีคำกริยาตามลำดับข้อกำหนดบางประการได้รับการสืบทอดมาจาก Spacy:
การพึ่งพาบางส่วนใช้ Cython และจำเป็นต้องติดตั้งก่อน Spikex:
pip install cythonโปรดจำไว้ว่ามีการแนะนำสภาพแวดล้อมเสมือนจริงเสมอเพื่อหลีกเลี่ยงการปรับเปลี่ยนสถานะระบบ
ณ จุดนี้การติดตั้ง Spikex ผ่าน PIP เป็นคำสั่งหนึ่งบรรทัด:
pip install spikexท่อ Spikex ทำงานกับ Spacy ดังนั้นรูปแบบที่จำเป็นในการติดตั้ง ทำตามคำแนะนำอย่างเป็นทางการที่นี่ รองรับ Spacy 3.0 ใหม่เอี่ยม!
WikiGraph ถูกสร้างขึ้นเริ่มต้นจากองค์ประกอบสำคัญบางอย่างของ Wikipedia: หน้า หมวดหมู่ และ ความสัมพันธ์ ระหว่างพวกเขา
การสร้าง WikiGraph อาจใช้เวลาขึ้นอยู่กับการถ่ายโอนข้อมูลวิกิพีเดียขนาดใหญ่แค่ไหน ด้วยเหตุนี้เราจึงให้ Wikigraphs พร้อมใช้งาน:
| วันที่ | วิกิกราฟ | หรั่ง | ขนาด (บีบอัด) | ขนาด (หน่วยความจำ) | |
|---|---|---|---|---|---|
| 2021-05-20 | enwiki_core | en | 1.3GB | 8GB | |
| 2021-05-20 | simplewiki_core | en | 20MB | 130MB | |
| 2021-05-20 | itwiki_core | มัน | 208MB | 1.2GB | |
| เพิ่มเติมมา ... |
Spikex มีคำสั่งสำหรับการดาวน์โหลดทางลัดและการติดตั้ง WikiGraph (linux หรือ macOS, windows ยังไม่รองรับ):
spikex download-wikigraph simplewiki_core สามารถสร้าง WikiGraph จากบรรทัดคำสั่งโดยระบุว่า Wikipedia dump จะใช้เวลาใดและจะบันทึกได้ที่ไหน:
spikex create-wikigraph
< YOUR-OUTPUT-PATH >
--wiki < WIKI-NAME, default: en >
--version < DUMP-VERSION, default: latest >
--dumps-path < DUMPS-BACKUP-PATH > จากนั้นจะต้องมีการบรรจุและติดตั้ง:
spikex package-wikigraph
< WIKIGRAPH-RAW-PATH >
< YOUR-OUTPUT-PATH >ทำตามคำแนะนำในตอนท้ายของกระบวนการบรรจุและติดตั้งแพ็คเกจการกระจายในสภาพแวดล้อมเสมือนจริงของคุณ ตอนนี้คุณพร้อมที่จะใช้ wikigraph ของคุณตามที่คุณต้องการ:
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_linguisticsตัวจับคู่นั้น เหมือนกับ Spacy's One แต่เร็วกว่าเมื่อพูดถึงการจัดการรูปแบบจำนวนมากในครั้งเดียว (คำสั่งนับพัน) ดังนั้นทำตามคำแนะนำการใช้อย่างเป็นทางการที่นี่
ตัวอย่างเล็กน้อย:
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 ท่อ WikiPageX ใช้ WikiGraph เพื่อค้นหาชิ้นส่วนในข้อความที่ตรงกับชื่อหน้า Wikipedia
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)' ] ท่อ ClusterX ใช้คำนามในข้อความและจัดกลุ่มพวกเขาโดยใช้อัลกอริทึม Mapper Radial Ball
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 ]ท่อ ABBRX พบตัวย่อและตัวย่อในข้อความเชื่อมโยงรูปแบบสั้นและยาวเข้าด้วยกัน:
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 ท่อจับ LabelX และรูปแบบฉลากในข้อความการแก้ปัญหาที่ซ้อนทับตัวย่อและคำย่อ
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 ] ท่อ PhraseX สร้างส่วนขยายขีดล่างของ Doc ที่กำหนดเองซึ่งเติมเต็มด้วยการจับคู่จากรูปแบบวลี
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
> >> McIntoshท่อ SENTX แยกประโยคเป็นข้อความ มันปรับเปลี่ยนแอตทริบิวต์ IS_SENT_START ของโทเค็นดังนั้นจึงจำเป็นต้องเพิ่มก่อนที่จะ ใช้ PARSER PIPE ในท่อ 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 .อย่าลังเลที่จะมีส่วนร่วมและสนุก!
