nlutools 1.11.5

introduction information for nlu tools

NLUTOOLS： NLU 工具包

nlutools 是一系列模型与算法的nlu工具包，提供以下功能：

1. 切词
2. 切句
3. 词向量
4. 句向量
5. 语言模型
6. 实体
7. 情感分析（二类：正、负）



1.切词
切词工具暂时提供四种模式，接口函数：```cut（text, mode, pos, cut_all）```,其中```text```为要切词的原始文本；```mode```为分词模式，可选值为字符串类型```'fast', 'accurate'```,其中accurate模式暂时不可用，正在改进中;```pos```为词性保留选项，可选值为```True、False```，其值为```True```则保留词性，反之则不保留词性； ```cut_all```为切词粒度控制，可选值为```True、False```，其值为```False```则全部保留名词短语，为```True```则只保留不可切分的名词短语。

调用方式为：

from nlutools import tools as nlu
nlu.cut('这是一个能够输出名词短语的分词器，欢迎试用！',pos=True,cut_all=False,mode='fast'

返回结果：
{
'np': ['名词_短语', '分词器'],
'text': '这是一个能够输出名词短语的分词器，欢迎试用！',
'items': ['这', '是', '一个', '能够', '输出', '名词', '短语', '的', '分词器', ',', '欢迎', '试用', '!'],
'pos': ['r', 'v', 'm', 'v', 'v', 'np', 'np', 'uj', 'np', 'x', 'v', 'vn', 'x']
}

2. 切句
切句工具提供两种模式，接口函数：```getSubSentences(text,mode)```,其中```text```为要切句发原始文本；```mode```为切句模式，可选值为```0、1```，为```0```表示快速模式（规则分句），为```1```则表示精确模式（句法分句）。

调用方式：
from nlutools import tools as nlu
nlu.getSubSentences('我喜欢在春天去观赏桃花，在夏天去欣赏荷花，在秋天去观赏红叶，但更喜欢在冬天去欣赏雪景。',mode=1)

返回结果：
['我喜欢在春天去观赏桃花', '在夏天去欣赏荷花 在秋天去观赏红叶', '但更喜欢在冬天去欣赏雪景']

3. 词向量

词向量工具提供以下功能：

1.获得nlu小组词向量文件，可以根据版本号获取，目前版本号包括：v1.0; 默认是下载最新版。获取到的文件夹下面包含两个文件，一个是词向量文件，一个是字向量文件。获取方式如下:
from nlutools import tools as nlu
nlu.getW2VFile('v1.0','/local/path/')


2.若不想下载词向量文件，可以直接使用一下方式获得词向量：
待补充

4. 句向量
调用方式：
from nlutools import tools as nlu
nlu.getSentenceVec(['主要负责机器学习算法的研究','训练模型、编写代码、以及其他一些工作'])

返回结果：
{
'dimention':300, #维度
'veclist':[[0.01, ...,0.56],[0.89,...,-0.08]]
}


5. 语言模型
待补充

6. 实体
待补充

7. 情感分析
调用方式：
from nlutools import tools as nlu
nlu.predictEmotion(['这家公司很棒'，'这家公司很糟糕'],prob=False)
参数说明： prob 值为False，不返回预测句子的情感预测得分，只返回情感类别（pos或者neg）；值为True，则都返回。

返回结果：
{
'text':['这家公司很棒','这家公司很糟糕'],
'labels':['pos','neg']
}