中文文本数据逻辑性分析库

项目作者:刘焕勇

项目地址: 

https://github.com/liuhuanyong/ComplexEventExtraction

项目介绍

原始项目名为ComplexEventExtraction，即中文复合事件抽取，包括条件事件、因果事件、顺承事件、反转事件。我个人觉得可以用于识别文本中是否存在逻辑表达，统计文本中的各种逻辑表达的句子数。

事件类型

项目地址https://github.com/liuhuanyong/ComplexEventExtraction 项目介绍很详细，感兴趣的一定要去原项目看一下。

如果我会知识图谱(比如社交网络分析)可视化技能，就能根据分析出的条件、因果、顺承、反转的数据结构，可视化一段文本的知识图谱。图片是刘焕勇别的项目绘制出来的。

1、反转事件图谱

2、条件事件图谱

安装方法

项目地址

https://github.com/liuhuanyong/ComplexEventExtraction 

项目介绍很详细，感兴趣的一定要去原项目看一下。

^_^这是大邓封装的库，可以命令行安装

pip3 install https://github.com/thunderhit/eventextraction/archive/master.zip

使用

3.1 主函数

1. from eventextraction import EventsExtraction

2. extractor = EventsExtraction()

3. content = '虽然你做了坏事，但我觉得你是好人。一旦时机成熟，就坚决推行'

4. datas = extractor.extract_main(content)

5. print(datas)

运行结果

1. [{'sent': '虽然你做了坏事，但我觉得你是好人', 'type': 'but', 'tuples': {'pre_wd': '虽然', 'pre_part': '你做了坏事，', 'post_wd': '但', 'post_part ': '我觉得你是好人'}},

2. {'sent': '一旦时机成熟，就坚决推行', 'type': 'condition', 'tuples': {'pre_wd': '一旦', 'pre_part': '时机成熟，', 'post_wd': '就', 'post_part ': '坚决推行'}}]

3.2  统计

1. from eventextraction import EventsExtraction

2. extractor = EventsExtraction()

3. content = '虽然你做了坏事，但我觉得你是好人。一旦时机成熟，就坚决推行'

4. datas = extractor.extract_main(content)

5. print(extractor.stats(datas))

运行结果

1. {'but': 1, 'condition': 1, 'seq': 0, 'more': 0, 'other': 0}

近期文章