Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/bububa/jiagu
Jiagu深度学习自然语言处理工具 知识图谱关系抽取 中文分词 词性标注 命名实体识别 情感分析 新词发现 关键词 文本摘要 文本聚类
https://github.com/bububa/jiagu
chinese-nlp chinese-word-segmentation classification clustering cws ner nlp pos segmentation
Last synced: about 5 hours ago
JSON representation
Jiagu深度学习自然语言处理工具 知识图谱关系抽取 中文分词 词性标注 命名实体识别 情感分析 新词发现 关键词 文本摘要 文本聚类
- Host: GitHub
- URL: https://github.com/bububa/jiagu
- Owner: bububa
- License: apache-2.0
- Created: 2021-07-21T10:50:37.000Z (over 3 years ago)
- Default Branch: main
- Last Pushed: 2021-07-23T06:14:34.000Z (over 3 years ago)
- Last Synced: 2024-06-19T06:55:56.705Z (5 months ago)
- Topics: chinese-nlp, chinese-word-segmentation, classification, clustering, cws, ner, nlp, pos, segmentation
- Language: Go
- Homepage:
- Size: 88.4 MB
- Stars: 18
- Watchers: 1
- Forks: 5
- Open Issues: 1
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# jiagu自然语言处理工具
[](https://pkg.go.dev/github.com/bububa/jiagu)
[](https://github.com/bububa/jiagu/actions/workflows/go.yml)
[](https://github.com/bububa/jiagu/actions/workflows/goreleaser.yml)
[](https://github.com/bububa/jiagu)
[](https://goreportcard.com/report/github.com/bububa/jiagu)
[](https://github.com/bububa/jiagu/blob/master/LICENSE)
[](https://GitHub.com/bububa/jiagu/releases/)
an NLP toolkit for Chinese.
This is a golang port from the [original python3 liberary](https://github.com/ownthink/Jiagu)
>>> 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。
---
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。。。。
---
## 模型转换
原始模型文件来自[python版本](https://github.com/ownthink/Jiagu), 为pickle或marshal格式，需要先转换json，再转成gob后gzip压缩
1. pickle/marshal模型转json (sentiment.model 为marshal格式)
```shell
python ./cmd/modelconverter/pickle2json.py pickle.model ./data/model/xxx.json
python ./cmd/modelconverter/marshal2json.py pickle.model ./data/model/xxx.json
```
2. json模型文件转gob后gzip压缩
```shell
go run ./cmd/modelconverter/main.go -i ./data/model/xxx.json -o ./model/xxx.model
go run ./cmd/modelconverter/main.go -i ./data/model/xxx.json -o ./model/xxx.model --sentiment // 仅对sentiment.model使用
```
## 使用方式
1. 快速上手：分词、词性标注、命名实体识别
```golang
import "github.com/bububa/jiagu"
func main() {
// 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
pos := jiagu.Pos(words) // 词性标注
ner := jiagu.Ner(words) // 命名实体识别
}
```
2. 中文分词
```golang
import "github.com/bububa/jiagu"
func main() {
text := "汉服和服装、维基图谱"
words := jiagu.Seg(text)
// fd, err := os.Open("user.dict")
// defer fd.Close()
// jiagu.LoadUserDict(fd) # 加载自定义字典，支持字典路径、字典列表形式。
jiagu.AddVocabs([]string{"汉服和服装"})
words := jiagu.Seg(text) // 自定义分词，字典分词模式有效
}
```
3. 知识图谱关系抽取
```golang
import "github.com/bububa/jiagu"
func main() {
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)
}
```
训练数据：https://github.com/ownthink/KnowledgeGraphData
4. 关键词提取
```golang
import "github.com/bububa/jiagu"
func main() {
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)
}
```
5. 文本摘要
```golang
import "github.com/bububa/jiagu"
func main() {
summarize := jiagu.Summarize(text, 3) # 摘要
}
```
6. 新词发现
```golang
import "github.com/bububa/jiagu"
func main() {
fd, err := os.Open("input.txt")
defer fd.Close()
words, err := jiagu.Findword(fd, 0, 0, 0) // 根据文本，利用信息熵做新词发现。
}
```
7. 情感分析
```golang
import "github.com/bububa/jiagu"
func main() {
text := "很讨厌还是个懒鬼"
words := jiagu.Seg(text)
sentiment, probe := jiagu.Sentiment(words)
}
```
8. 文本聚类
```golang
import "github.com/bububa/jiagu"
func main() {
docs := []string {
"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",
}
tokenizer := func(txt string) []string {
return jiagu.Seg(txt)
}
cluster := jiagu.KmeansCluster(docs, tokenizer, 4)
}
print(cluster)
```
## 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
```
## Reference：
- [Jiagu Python version](https://github.com/ownthink/Jiagu)
- [知识图谱训练数据](https://github.com/ownthink/KnowledgeGraphData)