智能问答API中文文档

1、NER实体抽取

实体抽取模块的目的是根据词典识别出自然语言问句中的实体。其步骤包括：

1、引入NER模块：

import tfkbqa.NER as NER

2、加载词典：

#加载用户自定义词典（输入所在文件夹即可，api会自动扫描文件夹下的所有词典）
NER.load_dict("E://NLP//test_api//dict//userdict")
#加载同义词词典（输入所在文件夹即可，api会自动扫描文件夹下的所有词典）
NER.load_synonym_dict("E://NLP//test_api//dict//sysnonym_dict")
#加载关键词映射词典（输入所在文件夹即可，api会自动扫描文件夹下的所有词典）
NER.load_key_value_dict('E://NLP//tfkbqa//dict//key_dict')

3、定义实体词性：

应与自定义词典中的词性保持一致。

POS=['mmmm','mmd','mmw']
POS_KEY=['month','day','year']

4、获取实体与其词性：

#获取抽取出的实体与其词性
print(NER.get_entity("你好呀tfkg",POS))
[('tfkg', 'mmmm')]
#获取将词性替换实体后的抽象语句（其中还包括同义词替换）
print(NER.get_abstract_str("hello呀tfkg"))
hello呀mmmm

4、关键词抽取与映射转换

print(NER.get_key_value('近三月你好呀tfkg',POS_KEY))
[('month', 3)]

2、向量化

1、引入向量化VEC_term_freq模块

import VEC_term_freq

2、加载问句语义库（计算词频文档）

VEC_term_freq.load_questions_dict('E://NLP//tf_kg//questions_0107.txt')

3、问句向量化

feature=VEC_term_freq.vectorized_str('今天天气怎么样')
print(feature)
[[1 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1
  0 0 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0]]

3、关系抽取

1、引入关系抽取Classify模块

import Classify

2、加载预测模型

Classify.load_model('E://NLP//tf_kg//forest_0107')

3、关系抽取

print(Classify.predict(feature))

4、自动训练

1、一键训练随机森林模型：

Network.autoTrain('E://NLP//tf_kg//questions_0107.txt')

autoautoTrain方法参数：
1、path：问句文档地址
2、test_size:默认为0.1，代表测试集的大小。

问题集合格式：
classes questions
0 今天天气怎么样
0 今天多少度
0 今天是晴天吗

2、保存模型文件：

Network.save_model('E://NLP//tfkbqa//forest')