Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/ownthink/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/ownthink/jiagu

chinese-word-segmentation cws ner nlp pos

Last synced: 3 days 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

Awesome Lists containing this project

README 

        
# 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）



![msr](https://github.com/ownthink/evaluation/blob/master/images/2.png)



## 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（满）

人工智能qq群5：535614287

知识图谱qq群1：55152968

知识图谱qq群2：740104333（满）

知识图谱qq群3：586457987（满）

知识图谱qq群4：858829119



微信群可联系作者微信：MrYener，作者邮箱联系方式：[email protected]

```

捐赠作者(您的鼓励是作者开源最大的动力！！！)：捐赠致谢 



![收款码](https://github.com/ownthink/KnowledgeGraph/raw/master/img/%E6%94%B6%E6%AC%BE%E7%A0%81.jpg)



## 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)