หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

KiwipiePy, แพ็คเกจกีวีสำหรับ Python

https://github.com/bab2min/kiwipiepy

Python3 API เอกสาร: https://bab2min.github.io/kiwipiepy

เริ่มต้นด้วย Kiwi 0.5 เราเสนอ API สำหรับ Python3 คุณสามารถสร้างโครงการนี้และนำเข้าโมดูลใน Python หรือติดตั้งโมดูล KiwipiePy ที่สร้างไว้แล้วโดยใช้ PIP 

$ pip install --upgrade pip
$ pip install kiwipiepy

หรือ 

$ pip3 install --upgrade pip
$ pip3 install kiwipiepy

ปัจจุบันแพ็คเกจ KiwipiePy รองรับ Windows OS และ Linux และ MacOS 10.12 หรือสูงกว่าด้วยเวอร์ชัน Vista

ในสภาพแวดล้อมที่ไม่มีการจัดจำหน่ายแบบไบนารีเช่น MacOS M1 ไม่จำเป็นสำหรับ CMAKE3.12 หรือใหม่กว่า สำหรับการรวบรวมซอร์สโค้ดเมื่อติดตั้ง 

$ pip install cmake
$ pip install --upgrade pip
$ pip install kiwipiepy

ทดสอบ

จาก Kiwi รุ่น 0.6.3 เรารองรับอินเตอร์เฟสแบบโต้ตอบเพื่อทดสอบทันทีหลังจากการติดตั้ง หลังจากการติดตั้งเสร็จสมบูรณ์ผ่าน PIP คุณสามารถเรียกใช้ได้ดังนี้เพื่อทดสอบเครื่องวิเคราะห์ทางสัณฐานวิทยา 

$ python -m kiwipiepy

หรือ 

$ python3 -m kiwipiepy

เมื่ออินเทอร์เฟซแบบโต้ตอบเริ่มต้นคุณสามารถป้อนประโยคที่ต้องการเพื่อตรวจสอบผลลัพธ์ของการวิเคราะห์ทางสัณฐานวิทยา 

 >> 안녕 ?
[ Token ( form = '안녕' , tag = 'IC' , start = 0 , len = 2 ), Token ( form = '?' , tag = 'SF' , start = 2 , len = 3 )]

หากต้องการออกจากอินเทอร์เฟซให้กด Ctrl + C

ส่วนที่ -แท็ก -the -art ที่ใช้ในกีวีขึ้นอยู่กับส่วนต่าง ๆ ของ Sejong Malmachi และแท็กบางอย่างได้รับการปรับปรุงและใช้งาน ดูที่นี่สำหรับระบบแท็กโดยละเอียด

ตัวอย่างง่ายๆ 

 > >> from kiwipiepy import Kiwi
> >> kiwi = Kiwi ()
# tokenize 함수로 형태소 분석 결과를 얻을 수 있습니다.
> >> kiwi . tokenize ( "안녕하세요 형태소 분석기 키위입니다." )
[ Token ( form = '안녕' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '하' , tag = 'XSA' , start = 2 , len = 1 ),
 Token ( form = '시' , tag = 'EP' , start = 4 , len = 1 ),
 Token ( form = '어요' , tag = 'EC' , start = 3 , len = 2 ),
 Token ( form = '형태소' , tag = 'NNG' , start = 6 , len = 3 ),
 Token ( form = '분석' , tag = 'NNG' , start = 10 , len = 2 ),
 Token ( form = '기' , tag = 'NNG' , start = 12 , len = 1 ),
 Token ( form = '키위' , tag = 'NNG' , start = 14 , len = 2 ),
 Token ( form = '이' , tag = 'VCP' , start = 16 , len = 1 ),
 Token ( form = 'ᆸ니다' , tag = 'EF' , start = 17 , len = 2 ),
 Token ( form = '.' , tag = 'SF' , start = 19 , len = 1 )]

# normalize_coda 옵션을 사용하면 
# 덧붙은 받침 때문에 분석이 깨지는 경우를 방지할 수 있습니다.
> >> kiwi . tokenize ( "ㅋㅋㅋ 이런 것도 분석이 될까욬ㅋㅋ?" , normalize_coda = True )
[ Token ( form = 'ㅋㅋㅋ' , tag = 'SW' , start = 0 , len = 3 ),
 Token ( form = '이런' , tag = 'MM' , start = 4 , len = 2 ),
 Token ( form = '것' , tag = 'NNB' , start = 7 , len = 1 ),
 Token ( form = '도' , tag = 'JX' , start = 8 , len = 1 ),
 Token ( form = '분석' , tag = 'NNG' , start = 10 , len = 2 ),
 Token ( form = '이' , tag = 'JKS' , start = 12 , len = 1 ),
 Token ( form = '되' , tag = 'VV' , start = 14 , len = 1 ),
 Token ( form = 'ᆯ까요' , tag = 'EC' , start = 15 , len = 2 ),
 Token ( form = 'ㅋㅋㅋ' , tag = 'SW' , start = 17 , len = 2 ),
 Token ( form = '?' , tag = 'SF' , start = 19 , len = 1 )]

# 불용어 관리를 위한 Stopwords 클래스도 제공합니다.
> >> from kiwipiepy . utils import Stopwords
> >> stopwords = Stopwords ()
> >> kiwi . tokenize ( "분석 결과에서 불용어만 제외하고 출력할 수도 있다." , stopwords = stopwords )
[ Token ( form = '분석' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '결과' , tag = 'NNG' , start = 3 , len = 2 ),
 Token ( form = '불' , tag = 'XPN' , start = 8 , len = 1 ),
 Token ( form = '용어' , tag = 'NNG' , start = 9 , len = 2 ),
 Token ( form = '제외' , tag = 'NNG' , start = 13 , len = 2 ),
 Token ( form = '출력' , tag = 'NNG' , start = 18 , len = 2 )]

# add, remove 메소드를 이용해 불용어 목록에 단어를 추가하거나 삭제할 수도 있습니다.
> >> stopwords . add (( '결과' , 'NNG' ))
> >> kiwi . tokenize ( "분석 결과에서 불용어만 제외하고 출력할 수도 있다." , stopwords = stopwords )
[ Token ( form = '분석' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '불' , tag = 'XPN' , start = 8 , len = 1 ),
 Token ( form = '용어' , tag = 'NNG' , start = 9 , len = 2 ),
 Token ( form = '제외' , tag = 'NNG' , start = 13 , len = 2 ),
 Token ( form = '출력' , tag = 'NNG' , start = 18 , len = 2 )]

> >> tokens = kiwi . tokenize ( "각 토큰은 여러 정보를 담고 있습니다." )
> >> tokens [ 0 ]
Token ( form = '각' , tag = 'MM' , start = 0 , len = 1 )
> >> tokens [ 0 ]. form # 형태소의 형태 정보
'각'
> >> tokens [ 0 ]. tag # 형태소의 품사 정보
'MM'
> >> tokens [ 0 ]. start # 시작 및 끝 지점 (문자 단위)
0
> >> tokens [ 0 ]. end
1
> >> tokens [ 0 ]. word_position # 현 문장에서의 어절 번호
0
> >> tokens [ 0 ]. sent_position # 형태소가 속한 문장 번호
0
> >> tokens [ 0 ]. line_number # 형태소가 속한 줄의 번호
0

# 문장 분리 기능도 지원합니다.
> >> kiwi . split_into_sents ( "여러 문장으로 구성된 텍스트네 이걸 분리해줘" )
[ Sentence ( text = '여러 문장으로 구성된 텍스트네' , start = 0 , end = 16 , tokens = None ),
 Sentence ( text = '이걸 분리해줘' , start = 17 , end = 24 , tokens = None )]

# 문장 분리와 형태소 분석을 함께 수행할 수도 있습니다.
> >> kiwi . split_into_sents ( "여러 문장으로 구성된 텍스트네 이걸 분리해줘" , return_tokens = True )
[ Sentence ( text = '여러 문장으로 구성된 텍스트네' , start = 0 , end = 16 , tokens = [
  Token ( form = '여러' , tag = 'MM' , start = 0 , len = 2 ), 
  Token ( form = '문장' , tag = 'NNG' , start = 3 , len = 2 ), 
  Token ( form = '으로' , tag = 'JKB' , start = 5 , len = 2 ), 
  Token ( form = '구성' , tag = 'NNG' , start = 8 , len = 2 ), 
  Token ( form = '되' , tag = 'XSV' , start = 10 , len = 1 ), 
  Token ( form = 'ᆫ' , tag = 'ETM' , start = 11 , len = 0 ), 
  Token ( form = '텍스트' , tag = 'NNG' , start = 12 , len = 3 ), 
  Token ( form = '이' , tag = 'VCP' , start = 15 , len = 1 ), 
  Token ( form = '네' , tag = 'EF' , start = 15 , len = 1 )]),
 Sentence ( text = '이걸 분리해줘' , start = 17 , end = 24 , tokens = [
  Token ( form = '이거' , tag = 'NP' , start = 17 , len = 2 ), 
  Token ( form = 'ᆯ' , tag = 'JKO' , start = 19 , len = 0 ), 
  Token ( form = '분리' , tag = 'NNG' , start = 20 , len = 2 ), 
  Token ( form = '하' , tag = 'XSV' , start = 22 , len = 1 ), 
  Token ( form = '어' , tag = 'EC' , start = 22 , len = 1 ), 
  Token ( form = '주' , tag = 'VX' , start = 23 , len = 1 ), 
  Token ( form = '어' , tag = 'EF' , start = 23 , len = 1 )])]

# 사전에 새로운 단어를 추가할 수 있습니다.
> >> kiwi . add_user_word ( "김갑갑" , "NNP" )
True
> >> kiwi . tokenize ( "김갑갑이 누구야" )
[ Token ( form = '김갑갑' , tag = 'NNP' , start = 0 , len = 3 ),
 Token ( form = '이' , tag = 'JKS' , start = 3 , len = 1 ),
 Token ( form = '누구' , tag = 'NP' , start = 5 , len = 2 ),
 Token ( form = '야' , tag = 'JKV' , start = 7 , len = 1 )]

# v0.11.0 신기능
# 0.11.0 버전부터는 사용자 사전에 동사/형용사를 추가할 때, 그 활용형도 함께 등재됩니다.
# 사전에 등재되어 있지 않은 동사 `팅기다`를 분석하면, 엉뚱한 결과가 나옵니다.
> >> kiwi . tokenize ( '팅겼다' )
[ Token ( form = '팅기' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '하' , tag = 'XSA' , start = 2 , len = 0 ), 
 Token ( form = '다' , tag = 'EF' , start = 2 , len = 1 )]

# 형태소 `팅기/VV`를 사전에 등록하면, 이 형태소의 모든 활용형이 자동으로 추가되기에
# `팅겼다`, `팅길` 등의 형태를 모두 분석해낼 수 있습니다.
> >> kiwi . add_user_word ( '팅기' , 'VV' )
True
> >> kiwi . tokenize ( '팅겼다' )
[ Token ( form = '팅기' , tag = 'VV' , start = 0 , len = 2 ), 
 Token ( form = '었' , tag = 'EP' , start = 1 , len = 1 ), 
 Token ( form = '다' , tag = 'EF' , start = 2 , len = 1 )]

# 또한 변형된 형태소를 일괄적으로 추가하여 대상 텍스트에 맞춰 분석 성능을 높일 수 있습니다.
> >> kiwi . tokenize ( "안녕하세영, 제 이름은 이세영이에영. 학생이세영?" )
[ Token ( form = '안녕' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '하' , tag = 'XSA' , start = 2 , len = 1 ),
 Token ( form = '시' , tag = 'EP' , start = 3 , len = 1 ),
 Token ( form = '어' , tag = 'EC' , start = 3 , len = 1 ),
 Token ( form = '영' , tag = 'MAG' , start = 4 , len = 1 ), # 오분석
 Token ( form = ',' , tag = 'SP' , start = 5 , len = 1 ),
 Token ( form = '저' , tag = 'NP' , start = 7 , len = 1 ),
 Token ( form = '의' , tag = 'JKG' , start = 7 , len = 1 ),
 Token ( form = '이름' , tag = 'NNG' , start = 9 , len = 2 ),
 Token ( form = '은' , tag = 'JX' , start = 11 , len = 1 ),
 Token ( form = '이세영' , tag = 'NNP' , start = 13 , len = 3 ),
 Token ( form = '이' , tag = 'JKS' , start = 16 , len = 1 ),
 Token ( form = '에' , tag = 'IC' , start = 17 , len = 1 ),
 Token ( form = '영' , tag = 'NR' , start = 18 , len = 1 ),
 Token ( form = '.' , tag = 'SF' , start = 19 , len = 1 ),
 Token ( form = '님' , tag = 'NNG' , start = 21 , len = 1 ),
 Token ( form = '도' , tag = 'JX' , start = 22 , len = 1 ),
 Token ( form = '학생' , tag = 'NNG' , start = 24 , len = 2 ),
 Token ( form = '이세영' , tag = 'NNP' , start = 26 , len = 3 ), # 오분석
 Token ( form = '?' , tag = 'SF' , start = 29 , len = 1 )]

# 종결어미(EF) 중 '요'로 끝나는 것들을 '영'으로 대체하여 일괄 삽입합니다. 
# 이 때 변형된 종결어미에는 -3의 페널티를 부여하여 원 형태소보다 우선하지 않도록 합니다.
# 새로 삽입된 형태소들이 반환됩니다.
> >> kiwi . add_re_rule ( 'EF' , '요$' , '영' , - 3 )
[ '어영' , '에영' , '지영' , '잖아영' , '거든영' , 'ᆯ까영' , '네영' , '구영' , '나영' , '군영' , ..., '으니깐영' ]

# 동일한 문장을 재분석하면 분석 결과가 개선된 것을 확인할 수 있습니다.
> >> kiwi . tokenize ( "안녕하세영, 제 이름은 이세영이에영. 님도 학생이세영?" )
[ Token ( form = '안녕' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '하' , tag = 'XSA' , start = 2 , len = 1 ),
 Token ( form = '시' , tag = 'EP' , start = 3 , len = 1 ),
 Token ( form = '어영' , tag = 'EF' , start = 3 , len = 2 ), # 분석 결과 개선
 Token ( form = ',' , tag = 'SP' , start = 5 , len = 1 ),
 Token ( form = '저' , tag = 'NP' , start = 7 , len = 1 ),
 Token ( form = '의' , tag = 'JKG' , start = 7 , len = 1 ),
 Token ( form = '이름' , tag = 'NNG' , start = 9 , len = 2 ),
 Token ( form = '은' , tag = 'JX' , start = 11 , len = 1 ),
 Token ( form = '이세영' , tag = 'NNP' , start = 13 , len = 3 ),
 Token ( form = '이' , tag = 'VCP' , start = 16 , len = 1 ),
 Token ( form = '에영' , tag = 'EF' , start = 17 , len = 2 ),
 Token ( form = '.' , tag = 'SF' , start = 19 , len = 1 ),
 Token ( form = '님' , tag = 'NNG' , start = 21 , len = 1 ),
 Token ( form = '도' , tag = 'JX' , start = 22 , len = 1 ),
 Token ( form = '학생' , tag = 'NNG' , start = 24 , len = 2 ),
 Token ( form = '이' , tag = 'VCP' , start = 26 , len = 1 ),
 Token ( form = '시' , tag = 'EP' , start = 27 , len = 1 ),
 Token ( form = '어영' , tag = 'EF' , start = 27 , len = 2 ), # 분석 결과 개선
 Token ( form = '?' , tag = 'SF' , start = 29 , len = 1 )]
 
# 기분석 형태를 등록하여 원하는 대로 분석되지 않는 문자열을 교정할 수도 있습니다.
# 다음 문장의 `사겼대`는 오타가 들어간 형태라 제대로 분석되지 않습니다.
> >> kiwi . tokenize ( '걔네 둘이 사겼대' )
[ Token ( form = '걔' , tag = 'NP' , start = 0 , len = 1 ), 
 Token ( form = '네' , tag = 'XSN' , start = 1 , len = 1 ), 
 Token ( form = '둘' , tag = 'NR' , start = 3 , len = 1 ), 
 Token ( form = '이' , tag = 'JKS' , start = 4 , len = 1 ), 
 Token ( form = '사' , tag = 'NR' , start = 6 , len = 1 ), 
 Token ( form = '기' , tag = 'VV' , start = 7 , len = 1 ), 
 Token ( form = '었' , tag = 'EP' , start = 7 , len = 1 ), 
 Token ( form = '대' , tag = 'EF' , start = 8 , len = 1 )]
# 다음과 같이 add_pre_analyzed_word 메소드를 이용하여 이를 교정할 수 있습니다.
> >> kiwi . add_pre_analyzed_word ( '사겼대' , [ '사귀/VV' , '었/EP' , '대/EF' ], - 3 )
True
# 그 뒤 동일한 문장을 다시 분석해보면 결과가 바뀐 것을 확인할 수 있습니다.
> >> kiwi . tokenize ( '걔네 둘이 사겼대' )
[ Token ( form = '걔' , tag = 'NP' , start = 0 , len = 1 ), 
 Token ( form = '네' , tag = 'XSN' , start = 1 , len = 1 ), 
 Token ( form = '둘' , tag = 'NR' , start = 3 , len = 1 ), 
 Token ( form = '이' , tag = 'JKS' , start = 4 , len = 1 ), 
 Token ( form = '사귀' , tag = 'VV' , start = 6 , len = 3 ), 
 Token ( form = '었' , tag = 'EP' , start = 6 , len = 3 ), 
 Token ( form = '대' , tag = 'EF' , start = 6 , len = 3 )]
# 단, 사귀/VV, 었/EP, 대/EF의 시작위치가 모두 6, 길이가 모두 3으로 잘못 잡히는 문제가 보입니다.
# 이를 고치기 위해서는 add_pre_analyzed_word 시 각 형태소의 위치정보도 함께 입력해주어야합니다.
> >> kiwi = Kiwi ()
> >> kiwi . add_pre_analyzed_word ( '사겼대' , [( '사귀' , 'VV' , 0 , 2 ), ( '었' , 'EP' , 1 , 2 ), ( '대' , 'EF' , 2 , 3 )], - 3 )
True
> >> kiwi . tokenize ( '걔네 둘이 사겼대' )
[ Token ( form = '걔' , tag = 'NP' , start = 0 , len = 1 ), 
 Token ( form = '네' , tag = 'XSN' , start = 1 , len = 1 ), 
 Token ( form = '둘' , tag = 'NR' , start = 3 , len = 1 ), 
 Token ( form = '이' , tag = 'JKS' , start = 4 , len = 1 ), 
 Token ( form = '사귀' , tag = 'VV' , start = 6 , len = 2 , 
 Token ( form = '었' , tag = 'EP' , start = 7 len = 1 , 
 Token ( form = '대' , tag = 'EF' , start = 8 len = 1 ]

# v0.12.0 신기능
# 0.12.0 버전부터는 형태소를 결합하여 문장으로 복원하는 기능이 추가되었습니다.
>> > kiwi . join ([( '길' , 'NNG' ), ( '을' , 'JKO' ), ( '묻' , 'VV' ), ( '어요' , 'EF' )])
'길을 물어요'
>> > kiwi . join ([( '흙' , 'NNG' ), ( '이' , 'JKS' ), ( '묻' , 'VV' ), ( '어요' , 'EF' )])
'흙이 묻어요'

# v0.13.0 신기능
# 더 강력한 언어 모델인 SkipBigram(sbg)이 추가되었습니다.
# 기존의 knlm과 달리 먼 거리에 있는 형태소를 고려할 수 있습니다.
>> > kiwi = Kiwi ( model_type = ' knlm ')
>> > kiwi . tokenize ( '이 번호로 전화를 이따가 꼭 반드시 걸어.' )
[ Token ( form = '이' , tag = 'MM' , start = 0 , len = 1 ), 
 Token ( form = '번호' , tag = 'NNG' , start = 2 , len = 2 ), 
 Token ( form = '로' , tag = 'JKB' , start = 4 , len = 1 ), 
 Token ( form = '전화' , tag = 'NNG' , start = 6 , len = 2 ), 
 Token ( form = '를' , tag = 'JKO' , start = 8 , len = 1 ), 
 Token ( form = '이따가' , tag = 'MAG' , start = 10 , len = 3 ), 
 Token ( form = '꼭' , tag = 'MAG' , start = 14 , len = 1 ), 
 Token ( form = '반드시' , tag = 'MAG' , start = 16 , len = 3 ), 
 Token ( form = '걷' , tag = 'VV-I' , start = 20 , len = 1 ),  # 걷다/걸다 중 틀리게 '걷다'를 선택했음.
 Token ( form = '어' , tag = 'EF' , start = 21 , len = 1 ), 
 Token ( form = '.' , tag = 'SF' , start = 22 , len = 1 )]

>> > kiwi = Kiwi ( model_type = ' sbg ')
>> > kiwi . tokenize ( '이 번호로 전화를 이따가 꼭 반드시 걸어.' )
[ Token ( form = '이' , tag = 'MM' , start = 0 , len = 1 ), 
 Token ( form = '번호' , tag = 'NNG' , start = 2 , len = 2 ), 
 Token ( form = '로' , tag = 'JKB' , start = 4 , len = 1 ), 
 Token ( form = '전화' , tag = 'NNG' , start = 6 , len = 2 ), 
 Token ( form = '를' , tag = 'JKO' , start = 8 , len = 1 ), 
 Token ( form = '이따가' , tag = 'MAG' , start = 10 , len = 3 ), 
 Token ( form = '꼭' , tag = 'MAG' , start = 14 , len = 1 ), 
 Token ( form = '반드시' , tag = 'MAG' , start = 16 , len = 3 ), 
 Token ( form = '걸' , tag = 'VV' , start = 20 , len = 1 ), # 걷다/걸다 중 바르게 '걸다'를 선택했음.
 Token ( form = '어' , tag = 'EC' , start = 21 , len = 1 ), 
 Token ( form = '.' , tag = 'SF' , start = 22 , len = 1 )]

# 또한 오타 교정 기능이 추가되었습니다.
# 간단한 오타를 교정하여, 사소한 오타 때문에 전체 분석 결과가 어긋나는 문제를 해결할 수 있습니다.
>> > kiwi = Kiwi ( model_type = ' sbg ', typos = 'basic' )
>> > kiwi . tokenize ( '외않됀대?' ) # 오타 교정 사용 시 로딩 시간이 5~10초 정도 소요됨
[ Token ( form = '왜' , tag = 'MAG' , start = 0 , len = 1 ),
 Token ( form = '안' , tag = 'MAG' , start = 1 , len = 1 ),
 Token ( form = '되' , tag = 'VV' , start = 2 , len = 1 ),
 Token ( form = 'ᆫ대' , tag = 'EF' , start = 2 , len = 2 ),
 Token ( form = '?' , tag = 'SF' , start = 4 , len = 1 )]

>> > kiwi . tokenize ( '장례희망이 뭐냐는 선섕님의 질문에 벙어리가 됫따' ) 
[ Token ( form = '장래' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '희망' , tag = 'NNG' , start = 2 , len = 2 ), 
 Token ( form = '이' , tag = 'JKS' , start = 4 , len = 1 ), 
 Token ( form = '뭐' , tag = 'NP' , start = 6 , len = 1 ), 
 Token ( form = '이' , tag = 'VCP' , start = 7 , len = 0 ), 
 Token ( form = '냐는' , tag = 'ETM' , start = 7 , len = 2 ), 
 Token ( form = '선생' , tag = 'NNG' , start = 10 , len = 2 ), 
 Token ( form = '님' , tag = 'XSN' , start = 12 , len = 1 ), 
 Token ( form = '의' , tag = 'JKG' , start = 13 , len = 1 ), 
 Token ( form = '질문' , tag = 'NNG' , start = 15 , len = 2 ), 
 Token ( form = '에' , tag = 'JKB' , start = 17 , len = 1 ), 
 Token ( form = '벙어리' , tag = 'NNG' , start = 19 , len = 3 ), 
 Token ( form = '가' , tag = 'JKC' , start = 22 , len = 1 ), 
 Token ( form = '되' , tag = 'VV' , start = 24 , len = 1 ), 
 Token ( form = '엇' , tag = 'EP' , start = 24 , len = 1 ), 
 Token ( form = '다' , tag = 'EF' , start = 25 , len = 1 )]

# 0.17.1에서는 연철에 대한 오타 교정이 추가되었습니다.
# 받침 + 초성 ㅇ/ㅎ 꼴을 잘못 이어적은 경우에 대해 교정이 가능합니다.
>> > kiwi = Kiwi ( typos = 'continual' )
>> > kiwi . tokenize ( '오늘사무시레서' )
[ Token ( form = '오늘' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '사무실' , tag = 'NNG' , start = 2 , len = 4 ),
 Token ( form = '에서' , tag = 'JKB' , start = 5 , len = 2 )]
>> > kiwi . tokenize ( '지가캤어요' )
[ Token ( form = '지각' , tag = 'NNG' , start = 0 , len = 3 ),
 Token ( form = '하' , tag = 'XSV' , start = 2 , len = 1 ),
 Token ( form = '었' , tag = 'EP' , start = 2 , len = 1 ),
 Token ( form = '어요' , tag = 'EF' , start = 3 , len = 2 )]

# 기본 오타 교정에 연철 오타 교정까지 함께 사용할 수도 있습니다.
>> > kiwi = Kiwi ( typos = 'basic_with_continual' )
>> > kiwi . tokenize ( '웨 지가캤니?' )
[ Token ( form = '왜' , tag = 'MAG' , start = 0 , len = 1 ),
 Token ( form = '지각' , tag = 'NNG' , start = 2 , len = 3 ),
 Token ( form = '하' , tag = 'XSV' , start = 4 , len = 1 ),
 Token ( form = '었' , tag = 'EP' , start = 4 , len = 1 ),
 Token ( form = '니' , tag = 'EC' , start = 5 , len = 1 ),
 Token ( form = '?' , tag = 'SF' , start = 6 , len = 1 )]

# 0.19.0 버전에서는 장음화 오류(한 음절을 여러 음절로 늘려 적는 오류)가 
# 포함된 텍스트를 교정하는 기능도 추가되었습니다.
>> > kiwi = Kiwi ( typos = 'lengthening' )
>> > kiwi . tokenize ( '지이인짜 귀여워요' )
[ Token ( form = '진짜' , tag = 'MAG' , start = 0 , len = 4 ), 
 Token ( form = '귀엽' , tag = 'VA-I' , start = 5 , len = 3 ), 
 Token ( form = '어요' , tag = 'EF' , start = 7 , len = 2 )]

# 기본 오타 교정 + 연철 오타 교정 + 장음화 오류 교정을 함께 사용할 수도 있습니다.
>> > kiwi = Kiwi ( typos = 'basic_with_continual_and_lengthening' )
>> > kiwi . tokenize ( '지이인짜 기여워요~ 마니 좋아해' )
[ Token ( form = '진짜' , tag = 'MAG' , start = 0 , len = 4 ),
 Token ( form = '귀엽' , tag = 'VA-I' , start = 5 , len = 3 ),
 Token ( form = '어요' , tag = 'EF' , start = 7 , len = 2 ), 
 Token ( form = '~' , tag = 'SO' , start = 9 , len = 1 ), 
 Token ( form = '많이' , tag = 'MAG' , start = 11 , len = 2 ), 
 Token ( form = '좋아하' , tag = 'VV' , start = 14 , len = 3 ), 
 Token ( form = '어' , tag = 'EF' , start = 16 , len = 1 )]

# 0.17.0 버전부터는 사용자 사전에 공백이 있는 단어를 추가할 수 있습니다.
>> > kiwi = Kiwi ()
# '대학생 선교회'라는 단어를 등록합니다.
>> > kiwi . add_user_word ( '대학생 선교회' , 'NNP' )
True

# 등록한 것과 동일한 형태에서는
# 당연히 잘 분석됩니다.
>> > kiwi . tokenize ( '대학생 선교회에서' ) 
[ Token ( form = '대학생 선교회' , tag = 'NNP' , start = 0 , len = 7 ),
 Token ( form = '에서' , tag = 'JKB' , start = 7 , len = 2 )]

# 추가로 공백이 없는 형태에도 일치가 가능합니다.
>> > kiwi . tokenize ( '대학생선교회에서' ) 
kiwi . tokenize ( '대학생선교회에서' )  
[ Token ( form = '대학생 선교회' , tag = 'NNP' , start = 0 , len = 6 ),
 Token ( form = '에서' , tag = 'JKB' , start = 6 , len = 2 )]

# 탭 문자나 줄바꿈 문자 등이 들어가도 일치가 가능합니다.
# 연속한 공백 문자는 공백 1번과 동일하게 처리합니다.
>> > kiwi . tokenize ( '대학생 t n 선교회에서' ) 
[ Token ( form = '대학생 선교회' , tag = 'NNP' , start = 0 , len = 11 ),
 Token ( form = '에서' , tag = 'JKB' , start = 11 , len = 2 )]

# 그러나 사전 등재 시 공백이 없던 지점에
# 공백이 있는 경우에는 일치가 불가능합니다.
>> > kiwi . tokenize ( '대학 생선 교회에서' )      
[ Token ( form = '대학' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '생선' , tag = 'NNG' , start = 3 , len = 2 ),
 Token ( form = '교회' , tag = 'NNG' , start = 6 , len = 2 ),
 Token ( form = '에서' , tag = 'JKB' , start = 8 , len = 2 )]

# space_tolerance를 2로 설정하여
# 공백이 두 개까지 틀린 경우를 허용하도록 하면
# '대학 생선 교회'에도 '대학생 선교회'가 일치하게 됩니다.
>> > kiwi . space_tolerance = 2
>> > kiwi . tokenize ( '대학 생선 교회에서' )
[ Token ( form = '대학생 선교회' , tag = 'NNP' , start = 0 , len = 8 ),
 Token ( form = '에서' , tag = 'JKB' , start = 8 , len = 2 )]

# 0.18.0 버전에서는 외국어 문자, 이모지에 대한 지원이 강화되었습니다.
# 화면에 표시되는 글자 단위로 토큰이 분할됩니다.
>> > kiwi . tokenize ( '?☝?☝?' )
[ Token ( form = '?' , tag = 'W_EMOJI' , start = 0 , len = 1 ), 
 Token ( form = '☝?' , tag = 'W_EMOJI' , start = 1 , len = 2 ), 
 Token ( form = '☝?' , tag = 'W_EMOJI' , start = 3 , len = 2 )]
# 참고: v0.17의 결과
# [Token(form='?☝?☝?', tag='SW', start=0, len=5)]

# script 필드가 추가되어 해당 문자가
# 유니코드 상에서 어떤 영역에 속하는지 확인할 수 있습니다.
# SW, SH, SL, W_EMOJI 태그에 대해서만 script값이 부여됩니다.
>> > tokens = kiwi . tokenize ( 'ひらがなカタカナ' )
>> > tokens
[ Token ( form = 'ひらがなカタカナ' , tag = 'SW' , start = 0 , len = 8 )]
>> > tokens [ 0 ]. script
'Kana'

>> > tokens = kiwi . tokenize ( 'résumé' )
>> > tokens
[ Token ( form = 'résumé' , tag = 'SL' , start = 0 , len = 6 )]
# 참고 v0.17까지의 결과
# [Token(form='r', tag='SL', start=0, len=1), 
#  Token(form='é', tag='SW', start=1, len=1), 
#  Token(form='sum', tag='SL', start=2, len=3), 
#  Token(form='é', tag='SW', start=5, len=1)]
>> > tokens [ 0 ]. script
'Latin'

>> > tokens = kiwi . tokenize ( 'ἥρως' )
>> > tokens
[ Token ( form = 'ἥρως' , tag = 'SW' , start = 0 , len = 4 )]
>> > tokens [ 0 ]. script
'Greek and Coptic'

>> > tokens = kiwi . tokenize ( 'ฉันชอบกินข้าวผัด' )
>> > tokens
[ Token ( form = 'ฉันชอบกินข้าวผัด' , tag = 'SW' , start = 0 , len = 16 )]
>> > tokens [ 0 ]. script
'Thai'

# 0.18.1버전부터는 받침만으로 구성된 형태소 출력시 
# 호환용 자모를 사용하는 옵션을 제공합니다.
>> > kiwi . tokenize ( '예쁜데' )
[ Token ( form = '예쁘' , tag = 'VA' , start = 0 , len = 2 ),
 Token ( form = 'ᆫ데' , tag = 'EF' , start = 1 , len = 2 )]
>> > kiwi . tokenize ( '예쁜데' , compatible_jamo = True ) 
[ Token ( form = '예쁘' , tag = 'VA' , start = 0 , len = 2 ),
 Token ( form = 'ㄴ데' , tag = 'EF' , start = 1 , len = 2 )] 
# 받침 ᆫ이 호환용 자모인 ㄴ으로 변환되어 출력됨

# 0.20.0버전에서는 사이시옷 분석을 수행하는 옵션이 추가되었습니다.

# 사전에 등재되어 있지 않은, 사이시옷이 들어간 합성명사는
# 다음과 같이 잘못 분석되는 경우가 많습니다.
>> > kiwi . tokenize ( '시곗바늘' )
[ Token ( form = '시곗' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = '바늘' , tag = 'NNG' , start = 2 , len = 2 )]

# saisiot=True 옵션을 주면 사이시옷을 형태소로 간주하여
# 다음과 같이 분리해줍니다.
>> > kiwi . tokenize ( '시곗바늘' , saisiot = True )
[ Token ( form = '시계' , tag = 'NNG' , start = 0 , len = 2 ),
 Token ( form = 'ᆺ' , tag = 'Z_SIOT' , start = 1 , len = 1 ),
 Token ( form = '바늘' , tag = 'NNG' , start = 2 , len = 2 )]

# saisiot=False 옵션을 주면 사이시옷이 들어간 합성 명사 전체를
# 하나의 형태소로 합쳐서 출력합니다.
>> > kiwi . tokenize ( '시곗바늘' , saisiot = False )
[ Token ( form = '시곗바늘' , tag = 'NNG' , start = 0 , len = 4 )]

ที่เริ่มต้น

หากการติดตั้งแพ็คเกจ KiwipiePy เสร็จสมบูรณ์แล้วจะไม่มีข้อผิดพลาดเกิดขึ้นเมื่อสร้างแพ็คเกจและสร้างวัตถุกีวี 

 from kiwipiepy import Kiwi , Match
kiwi = Kiwi ()

ตัวสร้างกีวีมีดังนี้: 

 Kiwi ( num_workers = 0 , model_path = None , load_default_dict = True , integrate_allomorph = True , model_type = 'knlm' , typos = None , typo_cost_threshold = 2.5 )
  • num_workers : ถ้าคุณเป็น 2 หรือมากกว่าคุณสามารถใช้ multicore เพื่อวิเคราะห์คำสกัดคำและสถานีที่เป็นทางการดังนั้นคุณสามารถวิเคราะห์ได้ในอัตราที่เร็วขึ้น
    หาก 1 คือ 1 จะใช้แกนเดียวเท่านั้น หาก num_workers เป็น 0 ให้ใช้หลักทั้งหมดที่มีอยู่ในสภาพแวดล้อมปัจจุบัน
    เมื่อละเว้นค่าเริ่มต้นคือ 0
  • model_path : ระบุเส้นทางที่มีรูปแบบการวิเคราะห์อย่างเป็นทางการ เมื่อละเว้นเส้นทางโมเดลจะถูกโหลดจากแพ็คเกจ kiwipiepy_model
  • load_default_dict : โหลดพจนานุกรมเพิ่มเติม พจนานุกรมเพิ่มเติมประกอบด้วยชื่อชื่อของ Wikipedia ในกรณีนี้เวลาในการโหลดและการวิเคราะห์เพิ่มขึ้นเล็กน้อย แต่คุณสามารถจับคำนามที่เหมาะสมได้ดีขึ้น เพื่อป้องกันไม่ให้ผลการวิเคราะห์ถูกจับให้ตั้งค่าเป็นเท็จ
  • integrate_allomorph : ในแม่มันรวมรูปแบบที่เหมือนกัน แต่สภาพแวดล้อมทางเสียงเช่น 'AH/EO', '//' โดยอัตโนมัติ
  • model_type : ระบุแบบจำลองภาษาที่จะใช้สำหรับการวิเคราะห์ทางสัณฐานวิทยา คุณสามารถเลือกหนึ่งใน 'knlm' หรือ 'sbg' 'sbg' ค่อนข้างช้า แต่สามารถจับความสัมพันธ์ระหว่าง morphemes
  • typos : แก้ไขการพิมพ์ผิดง่าย ๆ เมื่อวิเคราะห์สัณฐานวิทยา อย่าทำการแก้ไขเมื่อตั้งค่าเป็น None
  • typo_cost_threshold : ตั้งค่าการพิมพ์ผิดสูงสุดเพื่ออนุญาตการพิมพ์ผิด

วัตถุกีวีสามารถทำงานได้สามประเภท

  • สารสกัดคำที่ไม่ได้ลงทะเบียนจาก Copperus
  • การจัดการพจนานุกรมผู้ใช้
  • การวิเคราะห์ทางสัณฐานวิทยา

สารสกัดคำที่ไม่ได้ลงทะเบียนจาก Copperus

นี่เป็นคุณสมบัติใหม่ตั้งแต่กีวี 0.5 รู้รูปแบบของสตริงที่ปรากฏบ่อยครั้งและแยกสตริงที่ควรจะเป็นคำ แนวคิดพื้นฐานของคุณลักษณะนี้ขึ้นอยู่กับเทคนิคการแยกคำของ https://github.com/lovit/soynlp ซึ่งรวมความน่าจะเป็นของคำนามตามสตริงและแยกคำที่คาดว่าจะเป็นคำนาม

มีวิธีการสกัดคำศัพท์ที่ไม่ได้ลงทะเบียนสองประเภทโดย Kiwi: 

 Kiwi . extract_words ( texts , min_cnt , max_word_len , min_score )
Kiwi . extract_add_words ( texts , min_cnt , max_word_len , min_score , pos_score )
extract_words(texts, min_cnt=10, max_word_len=10, min_score=0.25, pos_score=-3.0, lm_filter=True)
  • texts : แทรกข้อความที่จะวิเคราะห์ใน Iterable[str] โปรดดูตัวอย่างด้านล่างสำหรับรายละเอียด
  • min_cnt : กำหนดจำนวนคำที่สกัดปรากฏในข้อความอินพุตกี่ครั้ง ยิ่งข้อความอินพุตมีขนาดใหญ่เท่าไหร่ก็ยิ่งเพิ่มมูลค่าได้ดีขึ้นเท่านั้น
  • max_word_len : ความยาวสูงสุดของคำที่จะสกัด หากคุณตั้งค่านี้มากเกินไปเวลาในการสแกนคำจะนานขึ้นดังนั้นจึงเป็นการดีกว่าที่จะปรับให้เหมาะสม
  • min_score : นี่คือคะแนนคำขั้นต่ำของคำที่จะสกัด ค่าที่ต่ำกว่ายิ่งโอกาสในการสกัดมากขึ้นและจำนวนคำที่สกัดจะลดลงเมื่อค่าเพิ่มขึ้นดังนั้นจึงจำเป็นต้องตั้งค่าเป็นค่าที่เหมาะสม ค่าเริ่มต้นคือ 0.25
  • pos_score : นี่คือคะแนนคำนามขั้นต่ำของคำที่จะสกัด ค่าที่ต่ำกว่านั้นมีโอกาสมากขึ้นที่จะสกัดคำที่ไม่ใช่คำนาม ค่าเริ่มต้นคือ -3
  • lm_filter : กำหนดการกรองโดยใช้ชิ้นส่วนและสุนทรพจน์และโมเดลภาษา 
 # 입력으로 str의 list를 줄 경우
inputs = list ( open ( 'test.txt' , encoding = 'utf-8' ))
kiwi . extract_words ( inputs , min_cnt = 10 , max_word_len = 10 , min_score = 0.25 )

'''
위의 코드에서는 모든 입력을 미리 list로 저장해두므로
test.txt 파일이 클 경우 많은 메모리를 소모할 수 있습니다.

그 대신 파일에서 필요한 부분만 가져와 사용하려면(streaming)
아래와 같이 사용해야 합니다.
'''

class IterableTextFile :
    def __init__ ( self , path ):
        self . path = path

    def __iter__ ( self ):
        yield from open ( path , encoding = 'utf-8' )

kiwi . extract_words ( IterableTextFile ( 'test.txt' ), min_cnt = 10 , max_word_len = 10 , min_score = 0.25 )
extract_add_words(texts, min_cnt=10, max_word_len=10, min_score=0.25, pos_score=-3, lm_filter=True)

แยกเฉพาะคำนามเป็น extract_words อย่างไรก็ตามวิธีนี้จะลงทะเบียนผู้สมัครคำนามที่สกัดโดยอัตโนมัติเป็น NNP ล่วงหน้าเพื่อให้สามารถใช้สำหรับการวิเคราะห์ทางสัณฐานวิทยา หากคุณไม่ได้ใช้วิธีนี้คุณต้องลงทะเบียนคำที่ไม่ได้ลงทะเบียนที่แยกออกมาโดยใช้วิธี add_user_word ล่วงหน้า

การจัดการพจนานุกรมผู้ใช้

ในการวิเคราะห์คำที่มีอยู่อย่างถูกต้องซึ่งไม่ได้ลงทะเบียนล่วงหน้าคำจะต้องลงทะเบียนในพจนานุกรมผู้ใช้ สิ่งนี้สามารถทำได้โดยอัตโนมัติผ่าน Extract_add_words หรือเพิ่มโดยตรง วิธีการต่อไปนี้เป็นวิธีที่ใช้ในการจัดการพจนานุกรมผู้ใช้ 

 Kiwi . add_user_word ( word , tag , score , orig_word = None )
Kiwi . add_pre_analyzed_word ( form , analyzed , score )
Kiwi . add_rule ( tag , replacer , score )
Kiwi . add_re_rule ( tag , pattern , repl , score )
Kiwi . load_user_dictionary ( user_dict_path )
add_user_word(word, tag='NNP', score=0.0, orig_word=None)

ลงทะเบียนประเภทใหม่ในพจนานุกรมผู้ใช้

  • word : มันเป็นรูปแบบของแบบฟอร์มที่จะลงทะเบียน ปัจจุบันมีเพียงตัวละครเท่านั้นที่สามารถลงทะเบียนเป็นคำที่ไม่มีระยะห่าง (อักขระว่าง)
  • tag : นี่เป็นส่วนหนึ่งของรูปแบบของรูปแบบของการลงทะเบียน ค่าเริ่มต้นคือ NNP
  • score : นี่คือคะแนนของแบบฟอร์มที่จะลงทะเบียน หากรูปแบบเดียวกันมีแนวโน้มที่จะวิเคราะห์ในหลายกรณียิ่งค่านี้มีขนาดใหญ่ขึ้นเท่าใดก็ยิ่งลำดับความสำคัญของรูปแบบที่สอดคล้องกันมากขึ้น
  • orig_word : หากมีการเพิ่มแบบฟอร์มเพิ่มเติมเป็นตัวแปรของรูปแบบที่แน่นอนคุณสามารถส่ง Morphemes ดั้งเดิมด้วยปัจจัยนี้ หากไม่มีก็สามารถละเว้นได้ หากได้รับค่านี้จะต้องมีรูปแบบของการรวมกันของ orig_word / tag ในพจนานุกรมปัจจุบันมิฉะนั้นจะสร้างข้อยกเว้นให้กับ ValueError หาก morphemes ดั้งเดิมมีอยู่สามารถระบุ orig_word เพื่อสร้างผลการวิเคราะห์ที่แม่นยำยิ่งขึ้น

หากการแทรกอย่างเป็นทางการประสบความสำเร็จ True จะถูกส่งคืนและหากสัณฐานวิทยาเดียวกันนั้นมีอยู่แล้วและล้มเหลวก็จะกลับมา False

add_pre_analyzed_word(form, analyzed, score=0.0)

ลงทะเบียนรูปแบบของอารมณ์ในพจนานุกรมผู้ใช้ สิ่งนี้ช่วยให้รูปแบบบางอย่างสามารถชักนำให้ผู้ใช้วิเคราะห์การวิเคราะห์ทางสัณฐานวิทยาในรูปแบบที่ต้องการ

  • form : มันเป็นรูปแบบของอารมณ์
  • analyzed : การวิเคราะห์อย่างเป็นทางการของ form ค่านี้จะต้องทำซ้ำได้ซึ่งประกอบด้วย tuple ในรูปของ (รูปแบบ, ชิ้นส่วน) หรือรูปทรง tuple (รูปแบบ, ชิ้นส่วน, จุดเริ่มต้น, จุดสิ้นสุด) morphemes ที่ระบุโดยค่านี้จะต้องมีอยู่ในพจนานุกรมปัจจุบันมิฉะนั้นพวกเขาจะสร้างข้อยกเว้นให้กับ ValueError
  • score : คะแนนน้ำหนักของรูปแบบของรูปร่างที่จะเพิ่ม หากมีสัณฐานวิทยาหลายอย่างที่ตรงกับรูปแบบคำที่จะสูงกว่า

หากการแทรกสำเร็จ True False ถูกส่งคืนหากรูปแบบเดียวกันมีอยู่แล้วและล้มเหลว

วิธีนี้ง่ายต่อการเพิ่มผลการวิเคราะห์ที่ผิดปกติให้กับเครื่องวิเคราะห์ ตัวอย่างเช่นพี่ชาย 사귀다 ของคำกริยานั้น 사귀었다 แต่พวกเขามัก 사겼다 ผิด คุณสามารถใช้วิธีนี้เพื่อให้แน่ใจว่าคุณกำลัง 사겼다 사귀/VV + 었/EP + 다/EF 

 kiwi . add_pre_analyzed_word ( '사겼다' , [ '사귀/VV' , '었/EP' , '다/EF' ], - 3 )`
kiwi . add_pre_analyzed_word ( '사겼다' , [( '사귀' , 'VV' , 0 , 2 ), ( '었' , 'EP' , 1 , 2 ), ( '다' , 'EF' , 2 , 3 )], - 3 )

ในกรณีหลังโดยการระบุตำแหน่งของผลการวิเคราะห์แต่ละรายการ start end และ length ของ morphemes ที่สอดคล้องกันนั้นแม่นยำในผลการวิเคราะห์กีวี

add_rule(tag, replacer, score)

เพิ่มการแก้ไขที่แก้ไขโดยกฎ

  • tag : ส่วนของสุนทรพจน์ที่จะเพิ่ม
  • replacer : กฎในการแปลงสัณฐานวิทยา ค่านี้จะต้องระบุไว้ในรูปแบบของ callable callable และจะต้องส่งคืนโดยรับแบบฟอร์ม stain stain และส่งคืนแถบของแบบฟอร์มที่แก้ไข หากคุณส่งคืนค่าเดียวกับอินพุตผลลัพธ์การเสียรูปจะถูกละเว้น
  • score : คะแนนน้ำหนักของ morphemes ดัดแปลงที่จะเพิ่ม หากมีสัณฐานวิทยาหลายอย่างที่ตรงกับรูปแบบคำที่จะสูงกว่า

ส่งคืน list ของแบบฟอร์มที่สร้างขึ้นใหม่โดย replacer

add_re_rule(tag, pattern, repl, score)

มันมีบทบาทเดียวกันกับวิธี add_rule แต่ใช้นิพจน์ปกติในกฎการเสียรูป

  • tag : ส่วนของสุนทรพจน์ที่จะเพิ่ม
  • pattern : กฎของแม่พิมพ์ที่จะแปลง ค่านี้จะต้องเป็นนิพจน์ทั่วไปที่สามารถรวบรวมได้ด้วย re.compile
  • repl : รูปแบบที่พบโดย pattern จะถูกแทนที่ด้วยค่านี้ Python3 นี่เหมือนกับปัจจัย repl ของฟังก์ชั่น re.sub ในโมดูลนิพจน์ทั่วไป
  • score : คะแนนน้ำหนักของ morphemes ดัดแปลงที่จะเพิ่ม หากมีสัณฐานวิทยาหลายอย่างที่ตรงกับรูปแบบคำที่จะสูงกว่า

ส่งคืน list ของแบบฟอร์มที่สร้างขึ้นใหม่โดย pattern และ repl

วิธีนี้ง่ายมากที่จะเพิ่ม bullators ที่ถูกแปลงตามกฎ ตัวอย่างเช่น -요 สามารถลงทะเบียน terminators ( 먹어염 , 뛰었구염 , 배불러염 ฯลฯ ) แทนที่ด้วย -염 

 kiwi . add_re_rule ( 'EF' , r'요$' , r'염' , - 3.0 )

เมื่อลงทะเบียนทั้งสองรูปแบบในปริมาณมากเราขอแนะนำว่าคะแนนถูกตั้งค่าเป็นค่า -3 หรือน้อยกว่าเพื่อให้การก่อตัวไม่มีลำดับความสำคัญสูงกว่าในผลการวิเคราะห์มากกว่ารูปแบบดั้งเดิม

load_user_dictionary(user_dict_path)

อ่านพจนานุกรมผู้ใช้จากไฟล์ ไฟล์พจนานุกรมผู้ใช้ควรเข้ารหัสด้วย UTF-8 และควรกำหนดค่าในแบบฟอร์มดังนี้ แต่ละฟิลด์ควรคั่นด้วยอักขระแท็บ ( t) และสามารถละเว้นคะแนนคำ 

 #으로 시작하는 줄은 주석 처리됩니다.
# 각 필드는 Tab(t)문자로 구분됩니다.
#
# <단일 형태소를 추가하는 경우>
# (형태) t (품사태그) t (점수)
# * (점수)는 생략시 0으로 처리됩니다.
키위	NNP	-5.0
#
# <이미 존재하는 형태소의 이형태를 추가하는 경우>
# (이형태) t (원형태소/품사태그) t (점수)
# * (점수)는 생략시 0으로 처리됩니다.
기위	키위/NNG	-3.0
#
# <기분석 형태를 추가하는 경우>
# (형태) t (원형태소/품사태그 + 원형태소/품사태그 + ...) t (점수)
# * (점수)는 생략시 0으로 처리됩니다.
사겼다	사귀/VV + 었/EP + 다/EF	-1.0

อ่านล่วงหน้าได้สำเร็จส่งคืนจำนวนสถานีที่เพิ่มใหม่ผ่านพจนานุกรม

โปรดดูที่ไฟล์ล่วงหน้าเริ่มต้นที่สร้างขึ้นในกีวีสำหรับตัวอย่างจริง

วิเคราะห์

หากคุณสร้างกีวีและเพิ่มคำไปยังพจนานุกรมผู้ใช้คุณสามารถใช้วิธีการต่อไปนี้เพื่อดำเนินงานเช่นการวิเคราะห์อย่างเป็นทางการการแยกประโยคการแก้ไขระยะห่างและการฟื้นฟูประโยค 

 Kiwi . tokenize ( text , match_option , normalize_coda = False , z_coda = True , split_complex = False , compatible_jamo = False , saisiot = None , blocklist = None )
Kiwi . analyze ( text , top_n , match_option , normalize_coda = False , z_coda = True , split_complex = False , compatible_jamo = False , saisiot = None , blocklist = None )
Kiwi . split_into_sents ( text , match_options = Match . ALL , normalize_coda = False , z_coda = True , split_complex = False , compatible_jamo = False , saisiot = None , blocklist = None , return_tokens = False )
Kiwi . glue ( text_chunks , insert_new_lines = None , return_space_insertions = False )
Kiwi . space ( text , reset_whitespace = False )
Kiwi . join ( morphs , lm_search = True )
Kiwi . template ( format_str , cache = True )
tokenize(text, match_option=Match.ALL, normalize_coda=False, z_coda=True, split_complex=False, compatible_jamo=False, saisiot=None, blocklist=None)

ป้อน text อินพุตจะถูกวิเคราะห์เพื่อส่งคืนผลลัพธ์ ผลการวิเคราะห์จะถูกส่งคืนในรูปแบบของรายการ Token ดังนี้: 

 >> kiwi . tokenize ( '테스트입니다.' )
[ Token ( form = '테스트' , tag = 'NNG' , start = 0 , len = 3 ), Token ( form = '이' , tag = 'VCP' , start = 3 , len = 1 ), Token ( form = 'ᆸ니다' , tag = 'EF' , start = 4 , len = 2 )]

normalize_coda แก้ปัญหาของการล้มเหลวในการวิเคราะห์เมื่อร่างกายเริ่มต้นเช่นㅋㅋㅋและㅎㅎป้อนการสนับสนุน 

 >> kiwi . tokenize ( "안 먹었엌ㅋㅋ" , normalize_coda = False )
[ Token ( form = '안' , tag = 'NNP' , start = 0 , len = 1 ), 
 Token ( form = '먹었엌' , tag = 'NNP' , start = 2 , len = 3 ), 
 Token ( form = 'ㅋㅋ' , tag = 'SW' , start = 5 , len = 2 )]
>> kiwi . tokenize ( "안 먹었엌ㅋㅋ" , normalize_coda = True )
[ Token ( form = '안' , tag = 'MAG' , start = 0 , len = 1 ), 
 Token ( form = '먹' , tag = 'VV' , start = 2 , len = 1 ), 
 Token ( form = '었' , tag = 'EP' , start = 3 , len = 1 ), 
 Token ( form = '어' , tag = 'EF' , start = 4 , len = 1 ), 
 Token ( form = 'ㅋㅋㅋ' , tag = 'SW' , start = 5 , len = 2 )]
analyze(text, top_n=1, match_option=Match.ALL, normalize_coda=False, z_coda=True, split_complex=False, compatible_jamo=False, saisiot=None, blocklist=None)

อินพุต text อินพุตถูกวิเคราะห์เพื่อส่งคืนผลลัพธ์ พิมพ์รายละเอียดผลลัพธ์ top_n ทั้งหมด ค่าส่งคืนได้รับการกำหนดค่าดังนี้ 

[( 분석결과1 , 점수 ), ( 분석결과2 , 점수 ), ... ]

ผลการวิเคราะห์จะถูกส่งคืนในรูปแบบของรายการ Token ดังนี้:

ตัวอย่างจริงมีดังนี้ 

 >> kiwi . analyze ( '테스트입니다.' , top_n = 5 )
[([ Token ( form = '테스트' , tag = 'NNG' , start = 0 , len = 3 ), Token ( form = '이' , tag = 'VCP' , start = 3 , len = 1 ), Token ( form = 'ᆸ니다' , tag = 'EF' , start = 4 , len = 2 )], - 25.217018127441406 ), 
 ([ Token ( form = '테스트입니' , tag = 'NNG' , start = 0 , len = 5 ), Token ( form = '다' , tag = 'EC' , start = 5 , len = 1 )], - 40.741905212402344 ), 
 ([ Token ( form = '테스트입니' , tag = 'NNG' , start = 0 , len = 5 ), Token ( form = '다' , tag = 'MAG' , start = 5 , len = 1 )], - 41.81024932861328 ), 
 ([ Token ( form = '테스트입니' , tag = 'NNG' , start = 0 , len = 5 ), Token ( form = '다' , tag = 'EF' , start = 5 , len = 1 )], - 42.300254821777344 ), 
 ([ Token ( form = '테스트' , tag = 'NNG' , start = 0 , len = 3 ), Token ( form = '입' , tag = 'NNG' , start = 3 , len = 1 ), Token ( form = '니다' , tag = 'EF' , start = 4 , len = 2 )], - 45.86524200439453 )
]

หากข้อความเป็นสิ่งที่ติดตั้งซ้ำของสตริงอินพุตหลายตัวจะถูกประมวลผลแบบขนาน ค่าส่งคืนในเวลานี้คือการวนซ้ำของค่าส่งคืนเมื่อป้อนข้อความเดียว งานจะถูกประมวลผลพร้อมกันในหลายเธรดตาม num_workers ซึ่งเป็นอาร์กิวเมนต์เมื่อสร้าง kiwi () ค่าส่งคืนเหมือนกับลำดับของค่าที่ป้อน 

 >> result_iter = kiwi . analyze ([ '테스트입니다.' , '테스트가 아닙니다.' , '사실 맞습니다.' ])
>> next ( result_iter )
[([ Token ( form = '테스트' , tag = 'NNG' , start = 0 , len = 3 ), Token ( form = '이' , tag = 'VCP' , start = 3 , len = 1 ), Token ( form = 'ᆸ니다' , tag = 'EF' , start = 4 , len = 2 ), Token ( form = '.' , tag = 'SF' , start = 6 , len = 1 )], - 20.441545486450195 )]
>> next ( result_iter )
[([ Token ( form = '테스트' , tag = 'NNG' , start = 0 , len = 3 ), Token ( form = '가' , tag = 'JKC' , start = 3 , len = 1 ), Token ( form = '아니' , tag = 'VCN' , start = 5 , len = 2 ), Token ( form = 'ᆸ니다' , tag = 'EF' , start = 7 , len = 2 ), Token ( form = '.' , tag = 'SF' , start = 9 , len = 1 )], - 30.23870277404785 )]
>> next ( result_iter )
[([ Token ( form = '사실' , tag = 'MAG' , start = 0 , len = 2 ), Token ( form = '맞' , tag = 'VV' , start = 3 , len = 1 ), Token ( form = '습니다' , tag = 'EF' , start = 4 , len = 3 ), Token ( form = '.' , tag = 'SF' , start = 7 , len = 1 )], - 22.232769012451172 )]
>> next ( result_iter )
Traceback ( most recent call last ):
    File "<stdin>" , line 1 , in < module >
StopIteration

For Loop ช่วยให้คุณสามารถทำสิ่งคู่ขนานได้ง่ายขึ้นและสะดวกยิ่งขึ้น สิ่งนี้มีประโยชน์เมื่อวิเคราะห์ข้อมูลข้อความจำนวนมาก 

 >> for result in kiwi . analyze ( long_list_of_text ):
      tokens , score = result [ 0 ]
      print ( tokens )

หากคุณให้ข้อความเป็น iterable บนสตริงเวลาในการอ่านสิ่งนี้สามารถทำซ้ำได้อาจเป็นหลังจากการเรียกของการวิเคราะห์ ดังนั้นหากอาร์กิวเมนต์นี้เชื่อมโยงกับทรัพยากร IO อื่น ๆ (ไฟล์ I / O) คุณไม่ควรยกเลิกทรัพยากรจนกว่าการวิเคราะห์ทั้งหมดจะจบลง 

 >> file = open ( 'long_text.txt' , encoding = 'utf-8' )
>> result_iter = kiwi . analyze ( file )
>> file . close () # 파일이 종료됨
>> next ( result_iter ) # 종료된 파일에서 분석해야할 다음 텍스트를 읽어들이려고 시도함
ValueError : I / O operation on closed file .
The above exception was the direct cause of the following exception :
Traceback ( most recent call last ):
  File "<stdin>" , line 1 , in < module >
SystemError : < built - in function next > returned a result with an error set
split_into_sents( text, match_options=Match.ALL, normalize_coda=False, z_coda=True, split_complex=False, compatible_jamo=False, saisiot=None, return_tokens=False ) ส่งคืนข้อความอินพุตลงในหน่วยประโยค วิธีนี้ใช้การวิเคราะห์ทางสัณฐานวิทยาภายในภายในระหว่างการแบ่งประโยคดังนั้นจึงสามารถใช้เพื่อให้ได้ผลลัพธ์ของการวิเคราะห์ทางสัณฐานวิทยาในเวลาเดียวกัน เมื่อ 'return_tokens' ถูกตั้งค่าเป็น `` จริง '' มันจะส่งออกผลลัพธ์ของการวิเคราะห์อย่างเป็นทางการพร้อมกับการแยกประโยค 
 >> kiwi . split_into_sents ( "여러 문장으로 구성된 텍스트네 이걸 분리해줘" )
[ Sentence ( text = '여러 문장으로 구성된 텍스트네' , start = 0 , end = 16 , tokens = None ),
 Sentence ( text = '이걸 분리해줘' , start = 17 , end = 24 , tokens = None )]
>> kiwi . split_into_sents ( "여러 문장으로 구성된 텍스트네 이걸 분리해줘" , return_tokens = True )
[ Sentence ( text = '여러 문장으로 구성된 텍스트네' , start = 0 , end = 16 , tokens = [
  Token ( form = '여러' , tag = 'MM' , start = 0 , len = 2 ), 
  Token ( form = '문장' , tag = 'NNG' , start = 3 , len = 2 ), 
  Token ( form = '으로' , tag = 'JKB' , start = 5 , len = 2 ), 
  Token ( form = '구성' , tag = 'NNG' , start = 8 , len = 2 ), 
  Token ( form = '되' , tag = 'XSV' , start = 10 , len = 1 ), 
  Token ( form = 'ᆫ' , tag = 'ETM' , start = 11 , len = 0 ), 
  Token ( form = '텍스트' , tag = 'NNG' , start = 12 , len = 3 ), 
  Token ( form = '이' , tag = 'VCP' , start = 15 , len = 1 ), 
  Token ( form = '네' , tag = 'EF' , start = 15 , len = 1 )
 ]),
 Sentence ( text = '이걸 분리해줘' , start = 17 , end = 24 , tokens = [
  Token ( form = '이거' , tag = 'NP' , start = 17 , len = 2 ), 
  Token ( form = 'ᆯ' , tag = 'JKO' , start = 19 , len = 0 ), 
  Token ( form = '분리' , tag = 'NNG' , start = 20 , len = 2 ), 
  Token ( form = '하' , tag = 'XSV' , start = 22 , len = 1 ), 
  Token ( form = '어' , tag = 'EC' , start = 22 , len = 1 ), 
  Token ( form = '주' , tag = 'VX' , start = 23 , len = 1 ), 
  Token ( form = '어' , tag = 'EF' , start = 23 , len = 1 )
 ])]
glue(text_chunks, return_space_insertions=False) เชื่อมต่อประติมากรรมข้อความหลายรูปแบบเป็นหนึ่งเดียวโดยพิจารณาบริบทแทรกช่องว่างที่เหมาะสมระหว่างพวกเขา คุณสมบัตินี้ง่ายต่อการเชื่อมต่อข้อความที่สร้างขึ้นเป็น OCR หรือคัดลอกจาก PDF และรวมถึงการระบาดของการระบาด
  • text_chunks : รายการชิ้นส่วนของข้อความรวม
  • return_space_insertions : จริง, ส่งคืนการแทรกวงโคจรของแต่ละชิ้นไปยัง List[bool] 
 >> kiwi . glue ([
    "그러나  알고보니 그 봉" ,
    "지 안에 있던 것은 바로" ,
    "레몬이었던 것이다." ])
"그러나  알고보니 그 봉지 안에 있던 것은 바로 레몬이었던 것이다."

>> kiwi . glue ([
    "그러나  알고보니 그 봉" ,
    "지 안에 있던 것은 바로" ,
    "레몬이었던 것이다." ], return_space_insertions = True )
( "그러나  알고보니 그 봉지 안에 있던 것은 바로 레몬이었던 것이다." , [ False , True ])
space(text, reset_whitespace=False) ส่งคืนและส่งคืนระยะห่างในข้อความอินพุต
  • text : สตริงที่จะวิเคราะห์ หากอาร์กิวเมนต์นี้มอบให้กับ STR เดียวมันจะถูกประมวลผลในเธรดเดียวและได้รับการจัดการโดย Multisred หากมีการให้ซ้ำของ STR
  • หากเป็น reset_whitespace จริงมันก็จะดำเนินการอย่างแข็งขัน ค่าเริ่มต้นเป็นเท็จและในกรณีนี้จะเน้นไปที่การแก้ไขที่ใช้คำที่แนบมา

ฟังก์ชั่นการแก้ไขระยะห่างของวิธีนี้ขึ้นอยู่กับการวิเคราะห์ทางสัณฐานวิทยา ดังนั้นหากมีการแทรกช่องว่างตรงกลางของสัณฐานวิทยาผลลัพธ์ที่ได้อาจไม่ถูกต้อง ในกรณีนี้คุณสามารถปรับ Kiwi.space_tolerance เพื่อเพิกเฉยต่อช่องว่างในสัณฐานวิทยาหรือตั้งค่า reset_whitespace=True เพื่อละเว้นช่องว่างที่มีอยู่และใช้เพื่อปรับปรุงผลลัพธ์ 

 >> kiwi . space ( "띄어쓰기없이작성된텍스트네이걸교정해줘" )
"띄어쓰기 없이 작성된 텍스트네 이걸 교정해 줘."
>> kiwi . space ( "띄 어 쓰 기 문 제 가 있 습 니 다" )
"띄어 쓰기 문 제 가 있 습 니 다"
>> kiwi . space_tolerance = 2 # 형태소 내 공백을 최대 2개까지 허용
>> kiwi . space ( "띄 어 쓰 기 문 제 가 있 습 니 다" )
"띄어 쓰기 문제가 있습니다"
>> kiwi . space ( "띄 어 쓰 기 문 제 가 있 습 니 다" , reset_whitespace = True ) # 기존 공백 전부 무시
"띄어쓰기 문제가 있습니다"
join(morphs, lm_search=True) รวม morphemes และคืนค่าให้เป็นประโยค การตรวจสอบและแม่จะเปลี่ยนเป็นรูปแบบที่เหมาะสมตามแบบฟอร์มก่อนหน้า
  • morphs : รายการ morphemes ที่จะรวมกัน สัณฐานวิทยาแต่ละชนิดควรเป็น Token ประเภทที่ได้จาก Kiwi.tokenizer หรือประเภท tuple ที่ประกอบด้วย (รูปแบบ, ส่วน, คำพูด)
  • lm_search : หากมีความอัปยศที่คลุมเครือซึ่งสามารถกู้คืนได้ในสองรูปแบบหรือมากกว่าให้เลือกสัณฐานวิทยาที่ดีที่สุดผ่านการค้นหาแบบจำลองภาษาหากค่านี้เป็นจริง หากคุณเป็นเท็จคุณไม่ได้ค้นหาการค้นหา แต่คุณสามารถกู้คืนได้เร็วขึ้น

วิธีนี้ใช้กฎคล้ายกับสิ่งที่ใช้ใน space เมื่อรวมสัณฐานวิทยาและแทรกพื้นที่อย่างเหมาะสม เนื่องจากรูปแบบของแบบฟอร์มนั้นไม่รวมข้อมูลที่เกี่ยวข้องกับช่องว่างข้อความต้นฉบับจะไม่ถูกกู้คืนแม้ว่าข้อความเฉพาะจะถูกวิเคราะห์ด้วย tokenize และจากนั้นจึง join อีกครั้ง 

 >> kiwi . join ([( '덥' , 'VA' ), ( '어' , 'EC' )])
'더워'
>> tokens = kiwi . tokenize ( "분석된결과를 다시합칠수있다!" )
# 형태소 분석 결과를 복원. 
# 복원 시 공백은 규칙에 의해 삽입되므로 원문 텍스트가 그대로 복원되지는 않음.
>> kiwi . join ( tokens )
'분석된 결과를 다시 합칠 수 있다!'
>> tokens [ 3 ]
Token ( form = '결과' , tag = 'NNG' , start = 4 , len = 2 )
>> tokens [ 3 ] = ( '내용' , 'NNG' ) # 4번째 형태소를 결과->내용으로 교체
>> kiwi . join ( tokens ) # 다시 join하면 결과를->내용을 로 교체된 걸 확인 가능
'분석된 내용을 다시 합칠 수 있다!'

# 불규칙 활용여부가 모호한 경우 lm_search=True인 경우 맥락을 고려해 최적의 후보를 선택합니다.
>> kiwi . join ([( '길' , 'NNG' ), ( '을' , 'JKO' ), ( '묻' , 'VV' ), ( '어요' , 'EF' )])
'길을 물어요'
>> kiwi . join ([( '흙' , 'NNG' ), ( '이' , 'JKS' ), ( '묻' , 'VV' ), ( '어요' , 'EF' )])
'흙이 묻어요'
# lm_search=False이면 탐색을 실시하지 않습니다.
>> kiwi . join ([( '길' , 'NNG' ), ( '을' , 'JKO' ), ( '묻' , 'VV' ), ( '어요' , 'EF' )], lm_search = False )
'길을 묻어요'
>> kiwi . join ([( '흙' , 'NNG' ), ( '이' , 'JKS' ), ( '묻' , 'VV' ), ( '어요' , 'EF' )], lm_search = False )
'흙이 묻어요'
# 동사/형용사 품사 태그 뒤에 -R(규칙 활용), -I(불규칙 활용)을 덧붙여 활용법을 직접 명시할 수 있습니다.
>> kiwi . join ([( '묻' , 'VV-R' ), ( '어요' , 'EF' )])
'묻어요'
>> kiwi . join ([( '묻' , 'VV-I' ), ( '어요' , 'EF' )])
'물어요'

# 0.15.2버전부터는 Tuple의 세번째 요소로 띄어쓰기 유무를 지정할 수 있습니다. 
# True일 경우 강제로 띄어쓰기, False일 경우 강제로 붙여쓰기를 수행합니다.
>> kiwi . join ([( '길' , 'NNG' ), ( '을' , 'JKO' , True ), ( '묻' , 'VV' ), ( '어요' , 'EF' )])
'길 을 물어요'
>> kiwi . join ([( '길' , 'NNG' ), ( '을' , 'JKO' ), ( '묻' , 'VV' , False ), ( '어요' , 'EF' )])
'길을물어요'

# 과거형 선어말어미를 제거하는 예시
>> remove_past = lambda s : kiwi . join ( t for t in kiwi . tokenize ( s ) if t . tagged_form != '었/EP' )
>> remove_past ( '먹었다' )
'먹다'
>> remove_past ( '먼 길을 걸었다' )
'먼 길을 걷다'
>> remove_past ( '전화를 걸었다.' )
'전화를 걸다.'
template(format_str, cache=True) รวม morphemes และคืนค่าให้เป็นประโยค การตรวจสอบและแม่จะเปลี่ยนเป็นรูปแบบที่เหมาะสมตามแบบฟอร์มก่อนหน้า
  • format_str : สตริงเทมเพลต การใช้ไวยากรณ์เดียวกันกับ str.format ของ Python (https://docs.python.org/ko/3/library/string.html#formtrings)
  • cache : มันเป็นแคชของเทมเพลต

วิธีนี้ช่วยให้คุณใช้การรวมกันของ Kiwi.join ดังนี้ 

 # 빈칸은 {}로 표시합니다. 
# 이 자리에 형태소 혹은 기타 Python 객체가 들어가서 문자열을 완성시키게 됩니다.
> >> tpl = kiwi . template ( "{}가 {}을 {}었다." )

# template 객체는 format 메소드를 제공합니다. 
# 이 메소드를 통해 빈 칸을 채울 수 있습니다.
# 형태소는 `kiwipiepy.Token` 타입이거나 
# (형태, 품사) 혹은 (형태, 품사, 왼쪽 띄어쓰기 유무)로 구성된 tuple 타입이어야 합니다.
> >> tpl . format (( "나" , "NP" ), ( "공부" , "NNG" ), ( "하" , "VV" ))
'내가 공부를 했다.'

> >> tpl . format (( "너" , "NP" ), ( "밥" , "NNG" ), ( "먹" , "VV" ))
'네가 밥을 먹었다.'

> >> tpl . format (( "우리" , "NP" ), ( "길" , "NNG" ), ( "묻" , "VV-I" ))
'우리가 길을 물었다.'

# 형태소가 아닌 Python 객체가 입력되는 경우 `str.format`과 동일하게 동작합니다.
> >> tpl . format ( 5 , "str" , { "dict" : "dict" })
"5가 str를 {'dict': 'dict'}었다."

# 입력한 객체가 형태소가 아닌 Python 객체로 처리되길 원하는 경우 !s 변환 플래그를 사용합니다.
> >> tpl = kiwi . template ( "{!s}가 {}을 {}었다." )
> >> tpl . format (( "나" , "NP" ), ( "공부" , "NNG" ), ( "하" , "VV" ))
"('나', 'NP')가 공부를 했다."

# Python 객체에 대해서는 `str.format`과 동일한 서식 지정자를 사용할 수 있습니다.
> >> tpl = kiwi . template ( "{:.5f}가 {!r}을 {}었다." )
> >> tpl . format ( 5 , "str" , { "dict" : "dict" })
"5.00000가 'str'를 {'dict': 'dict'}었다."

# 서식 지정자가 주어진 칸에 형태소를 대입할 경우 ValueError가 발생합니다.
> >> tpl . format (( "우리" , "NP" ), "str" , ( "묻" , "VV-I" ))
ValueError : cannot specify format specifier for Kiwi Token

# 치환 필드에 index나 name을 지정하여 대입 순서를 설정할 수 있습니다.
> >> tpl = kiwi . template ( "{0}가 {obj}를 {verb}ㄴ다. {1}는 {obj}를 안 {verb}었다." )
> >> tpl . format (
    [( "우리" , "NP" ), ( "들" , "XSN" )], 
    [( "너희" , "NP" ), ( "들" , "XSN" )], 
    obj = ( "길" , "NNG" ), 
    verb = ( "묻" , "VV-I" )
)
'우리들이 길을 묻는다. 너희들은 길을 안 물었다.'

# 위의 예시처럼 종성 자음은 호환용 자모 코드 앞에 \로 이스케이프를 사용해야합니다.
# 그렇지 않으면 종성이 아닌 초성으로 인식됩니다.
> >> tpl = kiwi . template ( "{0}가 {obj}를 {verb}ㄴ다. {1}는 {obj}를 안 {verb}었다." )
> >> tpl . format (
    [( "우리" , "NP" ), ( "들" , "XSN" )], 
    [( "너희" , "NP" ), ( "들" , "XSN" )], 
    obj = ( "길" , "NNG" ), 
    verb = ( "묻" , "VV-I" )
)
'우리들이 길을 묻 ᄂ이다. 너희들은 길을 안 물었다.'

ส่วนหนึ่ง

ขึ้นอยู่กับแท็ก Sejong Partsa มันถูกใช้และใช้เพื่อเพิ่มและแก้ไขแท็กบางส่วนบางส่วน

หมวดหมู่ ติดแท็ก คำอธิบาย
ขั้นตอน (n) nng คำนามทั่วไป
NNP คำนาม
nnb การพึ่งพาอาศัยกัน
NR การสืบสวน
NP คำสรรพนาม
ส่วน (v) VV กริยา
เวอร์จิเนีย คุณศัพท์
VX เสริม
VCP คำสั่งเชิงบวก (IDA)
VCN คำแนะนำเชิงลบ (ไม่)
เป็นท่อ มม. เป็นท่อ
Adverb (MA) อวกาศ คำวิเศษณ์ทั่วไป
พล. ต. การเชื่อมต่อ
คำอุทาน ไอซี คำอุทาน
การสำรวจ (J) JKS การสอบสวนหลัก
JKC ยอมแพ้
jkg การตรวจสอบท่อ
jko การตรวจสอบวัตถุประสงค์
jkb การไม่เชื่อฟัง
JKV การสำรวจฮับ
JKQ อ้าง
JX ผู้ช่วย
JC การเชื่อมต่อ
แม่ (E) EP สาเก
EF จบ
EC แม่เชื่อมต่อ
ETN คำนาม
ETM เป็นท่อ
คำนำหน้า XPN คำนำหน้า
tracky (xs) XSN คำต่อท้ายอนุพันธ์คำนาม
XSV คำต่อท้ายคำกริยา
XSA คำต่อท้ายคำคุณศัพท์
XSM คำต่อท้ายอนุพันธ์ของคำวิเศษณ์ *
รัศมี XR รัศมี
รหัสภาษาต่างประเทศอักขระพิเศษ SF รหัสการเลิกจ้าง (.!?)
SP รหัสการจำแนกประเภท (, /:;)
เอสเอส รหัสคำพูดและวงเล็บ ('()] <> {} -' '' '' '≫ etc. ฯลฯ )
SSO รหัสที่เปิดใน SS *
SSC รหัสใกล้กับ SS *
SE ตารางลด (…)
ดังนั้น ตารางที่แนบมา (- ~)
SW อักขระพิเศษอื่น ๆ
SL ตัวอักษร (AZ AZ)
SH ตัวละครจีน
SN หมายเลข (0-9)
SB หัวสั่ง (ก. ฉัน
ไม่สามารถวิเคราะห์ได้ สหประชาชาติ ไม่สามารถวิเคราะห์ได้ *
เว็บ (W) w_url ที่อยู่ URL *
w_email ที่อยู่อีเมล *
w_hashtag hashtag (#abcd) *
w_mention พูดถึง (@ABCD) *
w_serial หมายเลขซีเรียล (หมายเลขโทรศัพท์หมายเลขบัญชีที่อยู่ IP ฯลฯ ) * *
w_emoji อิโมจิ *
ฯลฯ z_coda เพิ่มการสนับสนุน *
z_siot Sai Shi Clothes *
user0 ~ 4 แท็กที่กำหนดเอง *

* มันเป็นแท็กที่ไม่ซ้ำกันพร้อมแท็ก Sejong Partsa

จากรุ่น 0.12.0 สามารถเพิ่มคำต่อท้าย -R และ -I ลงในแท็ก VV , VA , VX และ XSA -R บ่งชี้ถึงการใช้กฎ -I บอกถึงการใช้งานที่ผิดปกติ

การแยกประโยค

จากเวอร์ชัน 0.10.3 เราสนับสนุนฟังก์ชั่นการแยกประโยคทดลอง จากรุ่น 0.11.0 ความแม่นยำได้รับการปรับปรุงอย่างมีนัยสำคัญ โปรดดูหน้านี้สำหรับประสิทธิภาพของฟังก์ชั่นการแยกประโยค

ประสิทธิภาพที่ไม่คลุมเครือ

คำเดียวสามารถวิเคราะห์ได้หลายวิธีดังนั้นกีวีจึงมีความแม่นยำสูงในสถานการณ์ที่จำเป็นต้องเห็นบริบท โปรดดูที่หน้านี้สำหรับประสิทธิภาพการบรรเทาความคลุมเครือ

ใบเสนอราคา

โปรดดู Kiwi#การอ้างอิงสำหรับวิธีการเสนอราคา

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด