介绍

这是一个为Rasa项目实现了中文的实体抽取组件的库。实体抽取基于Jieba分词的词性识别，可以通过指定词性，将该词性的实体识别出来。

Rasa: https://github.com/rasahq
Jieba: https://github.com/fxsjy/jieba

要求

python>=3.4
Rasa>=2.5
Jieba>=0.4

使用

运行build.cmd中的命令生成wheel包。
使用pip安装wheel包。
修改Rasa项目的config文件，使用本library作为实体抽取组件。

示例

language: zh

pipeline:
    - name: rasa_jieba_ner.JiebaNerExtractor
      part_of_speech: ['nr','m','n']
      dictionary_path: "C:/data/user_dict/frcn_corpora.txt"

其中part_of_speech和dictionary_path是可选参数，分别表示抽取实体的词性和用户字典的路径。
默认情况下，只提取词性为nr的实体，nr即人名。
注意：windows下用户词典的路径分割符要使用"/"

附录：Jieba分词词性列表

形容词(1个一类，4个二类)

a 形容词 ad 副形词 an 名形词 ag 形容词性语素 al 形容词性惯用语

区别词(1个一类，2个二类)

b 区别词 bl 区别词性惯用语

连词(1个一类，1个二类)

c 连词 cc 并列连词

副词(1个一类)

d 副词

叹词(1个一类)

e 叹词

方位词(1个一类)

f 方位词

前缀(1个一类)

h 前缀

后缀(1个一类)

k 后缀

数词(1个一类，1个二类)

m 数词 mq 数量词

名词 (1个一类，7个二类，5个三类)

n 名词 nr 人名 nr1 汉语姓氏 nr2 汉语名字 nrj 日语人名 nrf 音译人名 ns 地名 nsf 音译地名 nt 机构团体名 nz 其它专名 nl 名词性惯用语 ng 名词性语素

拟声词(1个一类)

o 拟声词

介词(1个一类，2个二类)

p 介词 pba 介词“把” pbei 介词“被”

量词(1个一类，2个二类)

q 量词 qv 动量词 qt 时量词

代词(1个一类，4个二类，6个三类)

r 代词 rr 人称代词 rz 指示代词 rzt 时间指示代词 rzs 处所指示代词 rzv 谓词性指示代词 ry 疑问代词 ryt 时间疑问代词 rys 处所疑问代词 ryv 谓词性疑问代词 rg 代词性语素

处所词(1个一类)

s 处所词

时间词(1个一类，1个二类)

t 时间词 tg 时间词性语素

助词(1个一类，15个二类)

u 助词 uzhe 着 ule 了喽 uguo 过 ude1 的底 ude2 地 ude3 得 usuo 所 udeng 等等等云云 uyy 一样一般似的般 udh 的话 uls 来讲来说而言说来 uzhi 之 ulian 连（“连小学生都会”）

动词(1个一类，9个二类)

v 动词 vd 副动词 vn 名动词 vshi 动词“是” vyou 动词“有” vf 趋向动词 vx 形式动词 vi 不及物动词（内动词） vl 动词性惯用语 vg 动词性语素

标点符号(1个一类，16个二类)

w 标点符号 wkz 左括号，全角：（〔［｛《【〖〈半角：( [ { < wky 右括号，全角：）〕］｝》】〗〉半角： ) ] { > wyz 左引号，全角：“ ‘ 『 wyy 右引号，全角：” ’ 』 wj 句号，全角：。 ww 问号，全角：？半角：? wt 叹号，全角：！半角：! wd 逗号，全角：，半角：, wf 分号，全角：；半角： ; wn 顿号，全角：、 wm 冒号，全角：：半角： : ws 省略号，全角：…… … wp 破折号，全角：—— －－ ——－半角：--- ---- wb 百分号千分号，全角：％ ‰ 半角：% wh 单位符号，全角：￥＄￡ ° ℃ 半角：$

字符串(1个一类，2个二类)

x 字符串 xx 非语素字 xu 网址URL

语气词(1个一类)

y 语气词(delete yg)

状态词(1个一类)

z 状态词

rav009 / rasa-jieba-ner Goto Github PK

rasa-jieba-ner's Introduction

介绍

要求

使用

示例