Jiagu深度学习自然语言处理工具.rar

# Jiagu自然语言处理工具 >>> Jiagu使用大规模语料训练而成。将提供中文分词、词性标注、命名实体识别、情感分析、知识图谱关系抽取、关键词抽取、文本摘要、新词发现、情感分析、文本聚类等常用自然语言处理功能。参考了各大工具优缺点制作，将Jiagu回馈给大家。 ## 目录 * [安装方式](#安装方式) * [使用方式](#使用方式) * [评价标准](#评价标准) * [附录说明](#附录) --- 提供的功能有： * 中文分词 * 词性标注 * 命名实体识别 * 知识图谱关系抽取 * 关键词提取 * 文本摘要 * 新词发现 * 情感分析 * 文本聚类 * 等等。。。。 --- ## 安装方式 pip安装 ```shell pip install -U jiagu ``` 如果比较慢，可以使用清华的pip源：`pip install -U jiagu -i https://pypi.tuna.tsinghua.edu.cn/simple` 源码安装 ```shell git clone https://github.com/ownthink/Jiagu cd Jiagu python3 setup.py install ``` ## 使用方式 1. 快速上手：分词、词性标注、命名实体识别 ```python3 import jiagu #jiagu.init() # 可手动初始化，也可以动态初始化 text = '厦门明天会不会下雨' words = jiagu.seg(text) # 分词 print(words) pos = jiagu.pos(words) # 词性标注 print(pos) ner = jiagu.ner(words) # 命名实体识别 print(ner) ``` 2. 中文分词 ```python3 import jiagu text = '汉服和服装、维基图谱' words = jiagu.seg(text) print(words) # jiagu.load_userdict('dict/user.dict') # 加载自定义字典，支持字典路径、字典列表形式。 jiagu.load_userdict(['汉服和服装']) words = jiagu.seg(text) # 自定义分词，字典分词模式有效 print(words) ``` 3. 知识图谱关系抽取 仅用于测试用，可以pip3 install jiagu==0.1.8，只能使用百科的描述进行测试。效果更佳的后期将会开放api。 ```python3 import jiagu # 吻别是由张学友演唱的一首歌曲。 # 《盗墓笔记》是2014年欢瑞世纪影视传媒股份有限公司出品的一部网络季播剧，改编自南派三叔所著的同名小说，由郑保瑞和罗永昌联合导演，李易峰、杨洋、唐嫣、刘天佐、张智尧、魏巍等主演。 text = '姚明1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。' knowledge = jiagu.knowledge(text) print(knowledge) ``` 训练数据：https://github.com/ownthink/KnowledgeGraphData 4. 关键词提取 ```python3 import jiagu text = ''' 该研究主持者之一、波士顿大学地球与环境科学系博士陈池（音）表示，“尽管中国和印度国土面积仅占全球陆地的9%，但两国为这一绿化过程贡献超过三分之一。考虑到人口过多的国家一般存在对土地过度利用的问题，这个发现令人吃惊。” NASA埃姆斯研究中心的科学家拉玛·内曼尼（Rama Nemani）说，“这一长期数据能让我们深入分析地表绿化背后的影响因素。我们一开始以为，植被增加是由于更多二氧化碳排放，导致气候更加温暖、潮湿，适宜生长。” “MODIS的数据让我们能在非常小的尺度上理解这一现象，我们发现人类活动也作出了贡献。” NASA文章介绍，在中国为全球绿化进程做出的贡献中，有42%来源于植树造林工程，对于减少土壤侵蚀、空气污染与气候变化发挥了作用。 据观察者网过往报道，2017年我国全国共完成造林736.2万公顷、森林抚育830.2万公顷。其中，天然林资源保护工程完成造林26万公顷，退耕还林工程完成造林91.2万公顷。京津风沙源治理工程完成造林18.5万公顷。三北及长江流域等重点防护林体系工程完成造林99.1万公顷。完成国家储备林建设任务68万公顷。 ''' keywords = jiagu.keywords(text, 5) # 关键词 print(keywords) ``` 5. 文本摘要 ```python3 import jiagu fin = open('input.txt', 'r') text = fin.read() fin.close() summarize = jiagu.summarize(text, 3) # 摘要 print(summarize) ``` 6. 新词发现 ```python3 import jiagu jiagu.findword('input.txt', 'output.txt') # 根据文本，利用信息熵做新词发现。 ``` 7. 情感分析 ```python3 import jiagu text = '很讨厌还是个懒鬼' sentiment = jiagu.sentiment(text) print(sentiment) ``` 8. 文本聚类 ```python3 import jiagu docs = [ "百度深度学习中文情感分析工具Senta试用及在线测试", "情感分析是自然语言处理里面一个热门话题", "AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总", "深度学习实践：从零开始做电影评论文本情感分析", "BERT相关论文、文章和代码资源汇总", "将不同长度的句子用BERT预训练模型编码，映射到一个固定长度的向量上", "自然语言处理工具包spaCy介绍", "现在可以快速测试一下spaCy的相关功能，我们以英文数据为例，spaCy目前主要支持英文和德文" ] cluster = jiagu.text_cluster(docs) print(cluster) ``` ## 评价标准 1. msr测试结果（旧版本）  ## 附录 1. 词性标注说明 ```text n　　　普通名词 nt　 　时间名词 nd　 　方位名词 nl　 　处所名词 nh　 　人名 nhf　　姓 nhs　　名 ns　 　地名 nn 　　族名 ni 　　机构名 nz 　　其他专名 v　　 动词 vd　　趋向动词 vl　　联系动词 vu　　能愿动词 a　 　形容词 f　 　区别词 m　 　数词　　 q　 　量词 d　 　副词 r　 　代词 p　　 介词 c　 　连词 u　　 助词 e　 　叹词 o　 　拟声词 i　 　习用语 j　　 缩略语 h　　 前接成分 k　　 后接成分 g　 　语素字 x　 　非语素字 w　 　标点符号 ws　　非汉字字符串 wu　　其他未知的符号 ``` 2. 命名实体说明（采用BIO标记方式） ```text B-PER、I-PER 人名 B-LOC、I-LOC 地名 B-ORG、I-ORG 机构名 ``` ## 加入我们 ```text 人工智能qq群1：90780053(满) 人工智能qq群2：956936481（满） 人工智能qq群3：1160292084（满） 人工智能qq群4：1019825236 知识图谱qq群1：55152968（满） 知识图谱qq群2：740104333（满） 知识图谱qq群3：586457987 微信群可联系作者微信：MrYener，作者邮箱联系方式：help@ownthink.com ``` <p>捐赠作者(您的鼓励是作者开源最大的动力！！！)：<a href="https://github.com/ownthink/Jiagu/wiki/donation"target="_blank">捐赠致谢</a> </p>  ## 贡献者： 1. [Yener](https://github.com/ownthink) 2. [zengbin93](https://github.com/zengbin93) 3. [dirtdust](https://github.com/dirtdust) 4. [frankchen7788](https://github.com/frankchen7788)