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 install

2. 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