near-synonym 0.1.0

near-synonym, 中文反义词/近义词(antonym/synonym)工具包.

near-synonym

near-synonym, 中文反义词/近义词/同义词(antonym/synonym)工具包.

一、安装

1.1 注意事项

默认不指定numpy版本(标准版numpy==1.20.4)

标准版本的依赖包详见 requirements-all.txt

1.2 通过PyPI安装

   pip install near-synonym


   使用镜像源, 如：


   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple near-synonym


   不带依赖安装, 之后缺什么包再补充什么


   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple near-synonym --no-dependencies

1.3 模型文件

• github项目源码自带模型文件只有1w+词向量, 完整模型文件在near_synonym/near_synonym_model,

• pip下载的软件包里边只有5w+词向量, 放在data目录下;

• 完整的词向量详见huggingface网站的Macropodus/near_synonym_model,

• 或完整的词向量详见百度网盘分享链接https://pan.baidu.com/s/1lDSCtpr0r2hKrGrK8ZLlFQ, 密码: ff0y

二、使用方式

2.1 快速使用, 反义词, 近义词

import near_synonym





word = "喜欢"


word_antonyms = near_synonym.antonyms(word)


word_synonyms = near_synonym.synonyms(word)


print("反义词:")


print(word_antonyms)


print("近义词:")


print(word_synonyms)


"""


反义词:


[('讨厌', 0.6857), ('厌恶', 0.5406), ('憎恶', 0.485), ('不喜欢', 0.4079), ('冷漠', 0.4051)]


近义词:


[('喜爱', 0.8813), ('爱好', 0.8193), ('感兴趣', 0.7399), ('赞赏', 0.6849), ('倾向', 0.6137)]


"""

2.2 详细使用

import near_synonym





word = "喜欢"


word_antonyms = near_synonym.antonyms(word, topk=8, annk=256, annk_cpu=128, batch_size=32,


                     rate_ann=0.4, rate_sim=0.4, rate_len=0.2, rounded=4, is_debug=False)


print("反义词:")


print(word_antonyms)


# 当前版本速度很慢, 召回数量annk_cpu/annk可以调小

三、技术原理

3.1 技术详情

near-synonym, 中文反义词/近义词工具包.


流程: Word2vec -> ANN -> NLI -> Length





# Word2vec, 词向量, 使用skip-ngram的词向量;


# ANN, 近邻搜索, 使用annoy检索召回;


# NLI, 自然语言推断, 使用Roformer-sim的v2版本, 区分反义词/近义词;


# Length, 惩罚项, 词语的文本长度惩罚;

3.2 TODO

1. 推理加速, 训练小的NLI模型, 替换掉笨重且不太合适的roformer-sim-ft;【20240320已完成ERNIE-SIM，但转为ONNX为340M太大, 考虑浅层网络, 转第四点4.】


2. 使用大模型构建更多的NLI语料;


3. 使用大模型直接生成近义词, 同义词表, 用于前置索引+训练相似度;【20240407已完成】


4. 近义词反义词识别考虑使用经典NLP分类模型, text_cnn/text-rcnn, 基于字向量;【do-ing, 仿transformers写config/tokenizer/model, 方便余预训练模型集成】


5. word2vec召回不太行, 考虑直接使用大模型qwen1.5-0.5b生成;

3.3 其他实验

fail, 使用情感识别, 取得不同情感下的词语(失败, 例如可爱/漂亮同为积极情感);


fail, 使用NLI自然推理, 已有的语料是句子, 不是太适配;

四、对比

4.1 相似度比较

| 词语 | 2016词林改进版 | 知网hownet | Synonyms | near-synonym |

|--------------|-----------------|---------------|-----------------| ----------------- |

| "轿车","汽车" | 0.82 | 1.0 | 0.73 | 0.86 |

| "宝石","宝物" | 0.83 | 0.17 | 0.71 | 0.81 |

| "旅游","游历" | 1.0 | 1.0 | 0.59 | 0.72 |

| "男孩子","小伙子" | 0.81 | 1.0 | 0.88 | 0.83 |

| "海岸","海滨" | 0.94 | 1.0 | 0.68 | 0.9 |

| "庇护所","精神病院" | 0.96 | 0.58 | 0.64 | 0.62 |

| "魔术师","巫师" | 0.85 | 0.58 | 0.66 | 0.78 |

| "火炉","炉灶" | 1.0 | 1.0 | 0.81 | 0.83 |

| "中午","正午" | 0.98 | 0.58 | 0.85 | 0.88 |

| "食物","水果" | 0.35 | 0.14 | 0.74 | 0.82 |

| "鸟","公鸡" | 0.64 | 1.0 | 0.67 | 0.72 |

| "鸟","鹤" | 0.1 | 1.0 | 0.64 | 0.81 |

| "工具","器械" | 0.53 | 1.0 | 0.62 | 0.75 |

| "兄弟","和尚" | 0.37 | 0.80 | 0.59 | 0.7 |

| "起重机","器械" | 0.53 | 0.35 | 0.61 | 0.65 |

注：2016词林改进版/知网hownet/Synonyms数据、分数来源于chatopera/Synonyms。同义词林及知网数据、分数的次级来源为liuhuanyong/SentenceSimilarity。

五、参考

• https://ai.tencent.com/ailab/nlp/en/index.html

• https://github.com/ZhuiyiTechnology/roformer-sim

• https://github.com/liuhuanyong/SentenceSimilarity

• https://github.com/yongzhuo/Macropodus

• https://github.com/chatopera/Synonyms

六、日历

2024.04.07, qwen-7b-chat模型构建28w+词典的近义词/反义词表, 即ci_atmnonym_synonym.json, v0.1.0版本;


2024.03.14, 初始化near-synonym, v0.0.3版本;

Reference

For citing this work, you can refer to the present GitHub project. For example, with BibTeX:

@misc{Macropodus,


    howpublished = {https://github.com/yongzhuo/near-synonym},


    title = {near-synonym},


    author = {Yongzhuo Mo},


    publisher = {GitHub},


    year = {2024}


}