关于在python中TagMe包的使用说明以及测试

1. Tagme工具的介绍
TagMe目前是科学界最好的实体链接工具之一，具有非常好的性能，特别是在注释短文本时（即由几十个术语组成的那些）。
简单来讲这个工具主要解决一段文本当中的概念标注问题，任意一段文本当中需要提取相关的概念来对整段文本进行分析，因此筛选出来的概念既要满足“可查询”还要满足“无二义性”，可查询在这里本文要保证概念可以在维基百科当中找到对应的页面，例如概念“Artificial neural network”其实就是概念“Neural Network”更正式的定义，也就是概念“Neural Network”在维基百科当中没有其页面，但是“Artificial neural network”有，因此当文章当中出现概念“Neural Network”时我们要想办法把它转化成“Artificial neural network”使之能够查询和计算。再者就是无二义性，例如概念“Apple”包含的含义有很多，其中就有指代“水果苹果”或者“苹果公司”，要想知道其真正含义要结合其上下文，如果指代苹果公司，那么应该把该概念转化成“Apple Inc.”，该概念就可以明确表达苹果公司的含义。

2. 安装过程
使用该工具有多种多样的方式，在本文我们选择Python语言来调用对应的API进行，还有一种方法是直接通过Http请求来访问获取到json数据的格式，但是个人感觉不太方便。
既然使用Python，那就说明该工具有对应的第三方的包可以下载，我在这里使用Pychram来进行安装，包名“tagme”，细节就不多介绍了。安装完后还不能用，因为还要有个号，对，没错，你还要去注册一个账号使其拥有一个叫“Authorization Token”的序列号，当然注册是免费的。
注册的话就去这里(https://services.d4science.org/group/tagme)，注册完毕后进入你的主页，即你的Tagme Home(如果找不到就去这个页面：https://sobigdata.d4science.org/home 登陆后选择Applications中的TagMe，在网页左下角会显示personal token的信息)，类似于下面的页面

在左下角会看到你的“Your Token”，把它复制出来就可以了，具体使用见后面。

3. 使用过程 

def entity_get(tweet):
    s = requests.session()
# #这里的gcube-token，需要注册才有，也就是上面的标注的“Authorization Token”
    url = 'https://tagme.d4science.org/tagme/tag?lang=en&gcube-token=xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx-xxxxxxxxx&text='+tweet
    headers = {
        "Accept": "*/*",
        "Content-Type": "application/x-www-form-urlencoded; charset=UTF-8",
        "Accept-Encoding": "gzip,deflate,br",
        # "User-Agent":"python-requests/2.22.0",
        "Accept-Language": "zh-CN,zh;q=0.8",
        "Connection": "keep-alive",
        # "Cookie":"############################"
    }
    cookie = {
        'JSESSIONID': '##########################'
    }
    # entity_list = []
    count = 0
   
    text = tweet
    params = {'text': text, 'rho': '50'}
    r = s.post(url, data=params, headers=headers, cookies=cookie)
    dict_text = r.json()
    # print(dict_text)
    sub_entity = []
    for anno in dict_text['annotations']:
        # print(anno['title'])
        if 'title' in anno:
            sub_entity.append(anno['title'])
    return sub_entity

可以看见你的“Authorization Token”就放在上面代码的第3行引号内即可