🌿 中文近义词：聊天机器人，智能问答工具包

Go to file

Hain Wang 902fd83808 Merge pull request #13 from inuyasha2012/master fix python3 open stopwords file UnicodeDecodeError bug		2017-11-07 20:42:25 -06:00
.github	add ISSUE_TEMPLATE and PULL_REQUEST_TEMPLATE	2017-11-05 15:07:49 +08:00
assets	Add files via upload	2017-11-05 00:27:45 -05:00
scripts	init	2017-09-27 15:27:47 +08:00
synonyms	fix python3 open stopwords file UnicodeDecodeError bug	2017-11-08 09:37:48 +08:00
.gitignore	enable build dict	2017-09-28 21:56:24 +08:00
benchmark.py	#6 simplify code and support py2,3	2017-10-31 16:54:55 +08:00
CHANGELOG.md	use jieba as tokenizer	2017-10-28 10:06:11 +08:00
CODE_OF_CONDUCT.md	Create CODE_OF_CONDUCT.md	2017-10-18 20:42:18 -05:00
demo.py	#6 simplify code and support py2,3	2017-10-31 16:54:55 +08:00
LICENSE	init	2017-09-27 15:27:47 +08:00
README.md	#6 Update README	2017-11-05 14:53:43 +08:00
Requirements.txt	#6 simplify code and support py2,3	2017-10-31 16:54:55 +08:00
setup.cfg	init	2017-09-27 15:27:47 +08:00
setup.py	#6 Update README	2017-11-05 14:53:43 +08:00

README.md

Synonyms

Chinese Synonyms for Natural Language Processing and Understanding.

最好的中文近义词工具包。

synonyms可以用于自然语言理解的很多任务：文本对齐，推荐算法，相似度计算，语义偏移，关键字提取，概念提取，自动摘要，搜索引擎等。

Welcome

pip install -U synonyms

兼容py2和py3，当前稳定版本 v1.9。

Samples

Usage

synonyms#nearby

import synonyms
print("人脸: %s" % (synonyms.nearby("人脸")))
print("识别: %s" % (synonyms.nearby("识别")))
print("NOT_EXIST: %s" % (synonyms.nearby("NOT_EXIST")))

synonyms.nearby(WORD)返回一个list，list中包含两项：[[nearby_words], [nearby_words_score]]，nearby_words是WORD的近义词们，也以list的方式存储，并且按照距离的长度由近及远排列，nearby_words_score是nearby_words中对应位置的词的距离的分数，分数在(0-1)区间内，越接近于1，代表越相近。比如:

synonyms.nearby(人脸) = [
    ["图片", "图像", "通过观察", "数字图像", "几何图形", "脸部", "图象", "放大镜", "面孔", "Mii"], 
    [0.597284, 0.580373, 0.568486, 0.535674, 0.531835, 0.530
095, 0.525344, 0.524009, 0.523101, 0.516046]]

在OOV的情况下，返回 [[], []]，目前的字典大小: 125,792。

synonyms#compare

两个句子的相似度比较

    sen1 = "发生历史性变革"
    sen2 = "发生历史性变革"
    r = synonyms.compare(sen1, sen2, seg=True)

其中，参数 seg 表示 synonyms.compare是否对sen1 和 sen2进行分词，默认为 True。返回值：[0-1]，并且越接近于1代表两个句子越相似。

旗帜引领方向 vs 道路决定命运: 0.429
旗帜引领方向 vs 旗帜指引道路: 0.93
发生历史性变革 vs 发生历史性变革: 1.0

句子相似度准确率

在SentenceSim上进行测试。

测试语料条数为：7516条.
设定阈值 0.5：
  相似度 > 0.5, 返回相似；
  相似度 < 0.5, 返回不相似.

评测结果：

正确 : 6626，错误 : 890，准确度 : 88.15%

关于距离计算和阀值选取，参考 enhance Synonyms#compare。

synonyms#display

以友好的方式打印近义词，方便调试，display调用了 synonyms#nearby 方法。

>>> synonyms.display("飞机")
'飞机'近义词：
  1. 架飞机:0.837399
  2. 客机:0.764609
  3. 直升机:0.762116
  4. 民航机:0.750519
  5. 航机:0.750116
  6. 起飞:0.735736
  7. 战机:0.734975
  8. 飞行中:0.732649
  9. 航空器:0.723945
  10. 运输机:0.720578

PCA

Demo

$ pip install -r Requirements.txt
$ python demo.py

Data

synonyms/data/words.nearby.x.pklz # compressed pickle object

data is built based on wikidata-corpus.

Benchmark

Test with py3, MacBook Pro.

python benchmark.py

++++++++++ OS Name and version ++++++++++

Platform: Darwin

Kernel: 16.7.0

Architecture: ('64bit', '')

++++++++++ CPU Cores ++++++++++

Cores: 4

CPU Load: 60

++++++++++ System Memory ++++++++++

meminfo 8GB

synonyms#nearby: 100000 loops, best of 3 epochs: 0.209 usec per loop

Statement

Synonyms发布证书 GPL 3.0。数据和程序可用于研究和商业产品，必须注明引用和地址，比如发布的任何媒体、期刊、杂志或博客等内容。

@online{Synonyms:hain2017,
  author = {Hai Liang Wang, Hu Ying Xi},
  title = {中文近义词工具包Synonyms},
  year = 2017,
  url = {https://github.com/huyingxi/Synonyms},
  urldate = {2017-09-27}
}

任何基于Synonyms衍生的数据和项目也需要开放并需要声明一致的“声明”。