源码： Github - Jiagu
作者：思知(OwnThink) - https://www.ownthink.com/
作者邮箱：help@ownthink.com
作者微信：MrYener
思知人工智能群QQ群：90780053
Jiagu，深度学习自然语言处理工具，包括：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、新词发现、关键词、文本摘要.
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。
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
1. 编译安装
[1] - pip 安装：
pip install jiagu[2] - 源码安装：
git clone https://github.com/ownthink/Jiagu
cd Jiagu
python3 setup.py install2. 使用说明
2.1. 快速上手
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)2.2. 中文分词
分词各种模式使用方式：
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）：
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)2.3. 关键词提取
如文本：
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。import jiagu
keywords = jiagu.keywords(text, 5) # text 为上述文本，提取其关键词
print(keywords)
# ['造林', '工程', '绿化', '数据', '贡献']2.4. 文本摘要
import jiagu
fin = open('input.txt', 'r')
text = fin.read()
fin.close()
summarize = jiagu.summarize(text, 3) # 摘要
print(summarize)2.5. 新词发现
import jiagu
jiagu.findword('input.txt', 'output.txt') # 根据文本，利用信息熵做新词发现。3. 评价标准
msr测试结果：
4. 附录
### 4.1. 词性标注说明
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4.2. 命名实体说明
采用BIO标记方式：
B-PER、I-PER 人名
B-LOC、I-LOC 地名
B-ORG、I-ORG 机构名