既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
2.3 Jiagu实例运行使用
2.3.1分词、词性标注、命名实体识别
运行python代码如下:
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(words) # 命名实体识别
print(ner)
图2-8 分词、词性标注、命名实体识别
2.3.2 demo测试
接下来我们运行demo进行测试
测试代码如下:
import jiagu
jiagu.init() # 可手动初始化,也可以动态初始化
text = ‘苏州的天气不错’
words = jiagu.seg(text) # 分词
print(words)
words = jiagu.cut(text) # 分词
print(words)
pos = jiagu.pos(words) # 词性标注
print(pos)
ner = jiagu.ner(words) # 命名实体识别
print(ner)
字典模式分词
text = ‘思知机器人挺好用的’
words = jiagu.seg(text)
print(words)
jiagu.load_userdict(‘dict/user.dict’) # 加载自定义字典,支持字典路径、字典列表形式。
jiagu.load_userdict([‘思知机器人’])
words = jiagu.seg(text)
print(words)
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) # 关键词抽取
print(keywords)
summarize = jiagu.summarize(text, 3) # 文本摘要
print(summarize)
jiagu.findword(‘input.txt’, ‘output.txt’) # 根据大规模语料,利用信息熵做新词发现。
知识图谱关系抽取
text = ‘姚明1980年9月12日出生于上海市徐汇区,祖籍江苏省苏州市吴江区震泽镇,前中国职业篮球运动员,司职中锋,现任中职联公司董事长兼总经理。’
knowledge = jiagu.knowledge(text)
print(knowledge)
情感分析
text = ‘很讨厌还是个懒鬼’
sentiment = jiagu.sentiment(text)
print(sentiment)
文本聚类(需要调参)
docs = [
“百度深度学习中文情感分析工具Senta试用及在线测试”,
“情感分析是自然语言处理里面一个热门话题”,
“AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总”,
“深度学习实践:从零开始做电影评论文本情感分析”,
“BERT相关论文、文章和代码资源汇总”,
“将不同长度的句子用BERT预训练模型编码,映射到一个固定长度的向量上”,
“自然语言处理工具包spaCy介绍”,
“现在可以快速测试一下spaCy的相关功能,我们以英文数据为例,spaCy目前主要支持英文和德文”
]
cluster = jiagu.text_cluster(docs)
print(cluster)
代码运行结果截图如下:
图2-9 demo运行成功
2.3.3中文分词
运行代码如下:
import jiagu
text = ‘汉服和服装、维基图谱’
words = jiagu.seg(text)
print(words)
jiagu.load_userdict(‘dict/user.dict’) # 加载自定义字典,支持字典路径、字典列表形式。
jiagu.load_userdict([‘汉服和服装’])
words = jiagu.seg(text) # 自定义分词,字典分词模式有效
print(words)
图2-10运行中文分词
2.3.4知识图谱关系抽取
本案例只能使用百科的描述进行测试。作者提出效果更佳的后期将会开放api。
代码如下:
import jiagu
吻别是由张学友演唱的一首歌曲。
《盗墓笔记》是2014年欢瑞世纪影视传媒股份有限公司出品的一部网络季播剧,改编自南派三叔所著的同名小说,由郑保瑞和罗永昌联合导演,李易峰、杨洋、唐嫣、刘天佐、张智尧、魏巍等主演。
text = ‘姚明1980年9月12日出生于上海市徐汇区,祖籍江苏省苏州市吴江区震泽镇,前中国职业篮球运动员,司职中锋,现任中职联公司董事长兼总经理。’
knowledge = jiagu.knowledge(text)
print(knowledge)
图2-11 运行关系抽取
2.3.5关键词抽取
代码如下:
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)
图2-12运行关键词抽取
2.3.6情感分析
代码如下:
import jiagu
text = ‘很讨厌还是个懒鬼’
sentiment = jiagu.sentiment(text)
print(sentiment)
图2-13 运行情感分析
2.3.7文本聚类
代码如下:
import jiagu
docs = [
“百度深度学习中文情感分析工具Senta试用及在线测试”,
“情感分析是自然语言处理里面一个热门话题”,
“AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总”,
“深度学习实践:从零开始做电影评论文本情感分析”,
“BERT相关论文、文章和代码资源汇总”,
“将不同长度的句子用BERT预训练模型编码,映射到一个固定长度的向量上”,
“自然语言处理工具包spaCy介绍”,
“现在可以快速测试一下spaCy的相关功能,我们以英文数据为例,spaCy目前主要支持英文和德文”
]
cluster = jiagu.text_cluster(docs)
print(cluster)
图2-14 运行文本聚类
2.3.8词性说明
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
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 nn 族名
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
2.3.9命名实体说明
B-PER、I-PER 人名
B-LOC、I-LOC 地名
B-ORG、I-ORG 机构名
2.4 报错与解决
报错1:代码运行报错:TypeError: Population must be a sequence or set. For dicts, use list(d)
解决报错1:
修改:用list()包起来即可
features = random.sample(list(dataSet.columns.values[:-1]), int(math.sqrt(m - 1)))
3.OPENKG与Neo4j的交互联动****
3.1 功能设计
OpenKG主要关注知识图谱数据(或者称为结构化数据、语义数据、知识库)的开放,广义上OpenKG属于开放数据的一种。它是中国中文信息学会语言与知识计算专业委员会于2015年发起和倡导的开放知识图谱社区联盟项目。旨在推动以中文为基础的知识图谱数据的开放、互联与众包,以及知识图谱算法、工具和平台的开源开放工作。
Neo4j是一个高性能的,NOSQL数据库,它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事物特性的java持久化引擎。Neo4j也可以看作是一个高性能的图引擎,该引擎具有成熟数据库所有特性。登录openKG中文开放知识图谱获取图谱csv文件,将文件导入neo4j中并运行,之后对其进行图谱可视化,关系联接可视化。本次openKG与neo4j项目我将学习如何把Neo4j 知识图谱CSV导入之海洋鱼类知识百科。
3.2 csv导入流程
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
持久化引擎。Neo4j也可以看作是一个高性能的图引擎,该引擎具有成熟数据库所有特性。登录openKG中文开放知识图谱获取图谱csv文件,将文件导入neo4j中并运行,之后对其进行图谱可视化,关系联接可视化。本次openKG与neo4j项目我将学习如何把Neo4j 知识图谱CSV导入之海洋鱼类知识百科。
3.2 csv导入流程
[外链图片转存中…(img-5H3eay0e-1715722164078)]
[外链图片转存中…(img-Qw6sudH5-1715722164078)]
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!