negspacy

负面：否定spacy

Spacy Pipeline对象，用于否定文本中的概念。基于NEGEX算法。

NEGEX-一种简单的算法，用于识别出院摘要中的否定发现和疾病Chapman，Bridewell，Hanbury，Cooper，Buchanan，Buchanan https://doi.org/10.1006/jbin.2001.2001.1029

什么是新的

1.0版是一个主要版本更新，可为Spacy 3.0的新接口提供支持，以添加管道组件。结果，它与先前版本的负面版本不兼容。

如果您的项目使用Spacy 2.3.5或更早，则需要使用0.1.9版。参见存档的读书文件。

安装和用法

安装库。

pip install negspacy

导入图书馆和Spacy。

 import spacy
from negspacy . negation import Negex

负载Spacy语言模型。添加负面管道对象。实体类型过滤是可选的。

 nlp = spacy . load ( "en_core_web_sm" )
nlp . add_pipe ( "negex" , config = { "ent_types" :[ "PERSON" , "ORG" ]})

查看否定。

 doc = nlp ( "She does not like Steve Jobs but likes Apple products." )

for e in doc . ents :
	print ( e . text , e . _ . negex )

 Steve Jobs True
Apple False

考虑与Scispacy配对以在文本和过程否定中找到UMLS概念。

NEGEX模式

• pseudo_negations-虚假触发器，模棱两可的否定或双重负面的短语
• 先前的_negations-在实体之前的否定短语
• 以下_negations-遵循实体的否定短语
• 终止- 出于否定检测的目的（.eg，“但是”）的句子的短语

术语集

指定使用的术语，默认情况下使用en_clinical 。

• en =通用英语文字的短语
• en_clinical默认值=添加特定于临床领域的短语到一般英语
• en_clinical_sensitive =添加其他短语，以帮助排除历史和可能无关的实体

设置：

 from negspacy . negation import Negex
from negspacy . termsets import termset

ts = termset ( "en" )

nlp = spacy . load ( "en_core_web_sm" )
nlp . add_pipe (
    "negex" ,
    config = {
        "neg_termset" : ts . get_patterns ()
    }
)

附加功能

更改使用中的模式或查看模式

用自己的套装替换所有图案

 nlp = spacy . load ( "en_core_web_sm" )
nlp . add_pipe (
    "negex" , 
    config = {
        "neg_termset" :{
            "pseudo_negations" : [ "might not" ],
            "preceding_negations" : [ "not" ],
            "following_negations" :[ "declined" ],
            "termination" : [ "but" , "however" ]
        }
    }
    )

从内置项中添加和删除单独的模式

 from negspacy . termsets import termset
ts = termset ( "en" )
ts . add_patterns ({
            "pseudo_negations" : [ "my favorite pattern" ],
            "termination" : [ "these are" , "great patterns" , "but" ],
            "preceding_negations" : [ "wow a negation" ],
            "following_negations" : [ "extra negation" ],
        })
#OR
ts . remove_patterns (
        {
            "termination" : [ "these are" , "great patterns" ],
            "pseudo_negations" : [ "my favorite pattern" ],
            "preceding_negations" : [ "denied" , "wow a negation" ],
            "following_negations" : [ "unlikely" , "extra negation" ],
        }
    )

查看使用中的模式

 from negspacy . termsets import termset
ts = termset ( "en_clinical" )
print ( ts . get_patterns ())

名词块的否定

根据您使用的命名实体识别模型，您可能会与名词“共同”。例如：

 nlp = spacy . load ( "en_core_sci_sm" )
doc = nlp ( "There is no headache." )
for e in doc . ents :
    print ( e . text )

# no headache

这将导致NEGEX算法错过了前面的否定。为此，您可以添加chunk_prefix ：

 nlp = spacy . load ( "en_core_sci_sm" )
ts = termset ( "en_clinical" )
nlp . add_pipe (
    "negex" ,
    config = {
        "chunk_prefix" : [ "no" ],
    },
    last = True ,
)
doc = nlp ( "There is no headache." )
for e in doc . ents :
    print ( e . text , e . _ . negex )

# no headache True 

贡献

贡献

作者

• Jeno Pizarro

执照

执照

其他库

该图书馆在Spacy Universe中有特色。检查一下其他有用的库和灵感。

如果您正在寻找一个旋转管道对象来提取与命名实体相对应的值（例如，出生日期，帐号或实验室结果），请查看提取性。