Jiagu
=====

`甲骨 <https://github.com/ownthink/Jiagu>`__\ 自然语言处理工具

         Jiagu 以 BiLSTM
         等模型为基础，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
-  情感分析 (模型训练中)
-  知识图谱关系抽取 （模型训练中）
-  关键词提取
-  文本摘要
-  新词发现
-  等等。。。。

--------------

安装方式
~~~~~~~~

pip 安装

.. code:: shell

   pip install jiagu

源码安装

.. code:: 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

.. code:: 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(text) # 命名实体识别
   print(ner)

2. 中文分词

分词各种模式使用方式

.. code:: python3

   import jiagu

   text = '汉服和服装'

   words = jiagu.seg(text) # 默认分词
   print(words)

   words = jiagu.seg([text, text, text], input='batch') # 批量分词，加快速度。
   print(words)

   words = jiagu.seg(text, model='mmseg') # 使用mmseg算法进行分词
   print(list(words))

自定义分词模型（将单独提供 msr、pku、cnc 等分词标准）

.. code:: python3

   import jiagu

   # 独立标准模型路径
   # msr：test/extra_data/model/msr.model
   # pku：test/extra_data/model/pku.model
   # cnc：test/extra_data/model/cnc.model

   jiagu.load_model('test/extra_data/model/cnc.model') # 使用国家语委分词标准

   words = jiagu.seg('结婚的和尚未结婚的')

   print(words)

3. 关键词提取

.. code:: 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)

4. 文本摘要

.. code:: python3

   fin = open('input.txt', 'r')
   text = fin.read()
   fin.close()

   summarize = jiagu.summarize(text, 3) # 摘要
   print(summarize)

5. 新词发现

.. code:: python3

   import jiagu

   jiagu.findword('input.txt', 'output.txt') # 根据文本，利用信息熵做新词发现。

评价标准
~~~~~~~~

1. msr 测试结果

.. figure:: https://github.com/ownthink/evaluation/blob/master/images/2.png
   :alt: msr

   msr

附录
----

1. 词性标注说明

.. code:: 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）

.. code:: text

   B-PER、I-PER   人名
   B-LOC、I-LOC   地名
   B-ORG、I-ORG   机构名

加入我们
~~~~~~~~

思知人工智能群 QQ
群：90780053，微信群联系作者微信：MrYener，作者邮箱联系方式：help@ownthink.com

.. raw:: html

   <p>

捐赠作者(您的鼓励是作者开源最大的动力！！！)：捐赠致谢

.. raw:: html

   </p>

.. figure:: https://github.com/ownthink/KnowledgeGraph/raw/master/img/%E6%94%B6%E6%AC%BE%E7%A0%81.jpg
   :alt: 收款码

   收款码

贡献者：
~~~~~~~~

1. `Yener <https://github.com/ownthink>`__
2. `zengbin93 <https://github.com/zengbin93>`__
3. `dirtdust <https://github.com/dirtdust>`__