人工智能-經常使用python模塊

一：pypinyin

做用：漢字轉拼音

pip3 install pypinyin

 

使用

from pypinyin import lazy_pinyin,TONE2,TONE

res = lazy_pinyin('先帝創業未半')
print(res)  #['xian', 'di', 'chuang', 'ye', 'wei', 'ban']

res = lazy_pinyin('先帝創業未半',style=TONE2)
print(res) #['xia1n', 'di4', 'chua4ng', 'ye4', 'we4i', 'ba4n']
print(''.join(res))#xia1ndi4chua4ngye4we4iba4n


res = lazy_pinyin('先帝創業未半',style=TONE)
print(res)  #['xiān', 'dì', 'chuàng', 'yè', 'wèi', 'bàn']

 

 

二：jieba

做用:把一句話分紅詞組

pip3 install jieba

 

使用

import jieba

res = jieba.cut('皇帝打天下打到一半就掛了')
print(res)#<generator object Tokenizer.cut at 0x000001544D390888>

res = list(jieba.cut('皇帝打天下打到一半就掛了'))
print(res)  #['皇帝', '打天下', '打', '到', '一半', '就', '掛', '了']

res = list(jieba.cut_for_search('皇帝打天下打到一半就掛了'))
print(res)  #['皇帝', '天下', '打天下', '打', '到', '一半', '就', '掛', '了']


jieba.add_word('掛了')  #添加到詞庫（必須符合中文結構）
res = list(jieba.cut('皇帝打天下打到一半就掛了'))
print(res)  #['皇帝', '打天下', '打', '到', '一半', '就', '掛了']

 

　　

 

三：gensim

做用：語言訓練庫

天然語言處理(NLP) : 大概意思就是 讓計算機明白一句話要表達的意思,NLP就至關於計算機在思考你說的話,讓計算機知道"你是誰","你叫啥","你叫什麼名字"是一個意思

這就要作 : 語義類似度

 

import jieba
import gensim
from gensim import corpora
from gensim import models
from gensim import similarities

l1 = ["你的名字是什麼", "你今年幾歲了", "你有多高你胸多大", "你胸多大"]
a = "你今年多大了"

all_doc_list = []
for doc in l1:
    doc_list = [word for word in jieba.cut(doc)]
    all_doc_list.append(doc_list)

print(all_doc_list)
doc_test_list = [word for word in jieba.cut(a)]

# 製做語料庫
dictionary = corpora.Dictionary(all_doc_list)  # 製做詞袋
# 詞袋的理解
# 詞袋就是將不少不少的詞,進行排列造成一個 詞(key) 與一個 標誌位(value) 的字典
# 例如: {'什麼': 0, '你': 1, '名字': 2, '是': 3, '的': 4, '了': 5, '今年': 6, '幾歲': 7, '多': 8, '有': 9, '胸多大': 10, '高': 11}
# 至於它是作什麼用的,帶着問題往下看

print("token2id", dictionary.token2id)
print("dictionary", dictionary, type(dictionary))

corpus = [dictionary.doc2bow(doc) for doc in all_doc_list]
# 語料庫:
# 這裏是將all_doc_list 中的每個列表中的詞語 與 dictionary 中的Key進行匹配
# 獲得一個匹配後的結果,例如['你', '今年', '幾歲', '了']
# 就能夠獲得 [(1, 1), (5, 1), (6, 1), (7, 1)]
# 1表明的的是 你 1表明出現一次, 5表明的是 了  1表明出現了一次, 以此類推 6 = 今年 , 7 = 幾歲
print("corpus", corpus, type(corpus))

# 將須要尋找類似度的分詞列表 作成 語料庫 doc_test_vec
doc_test_vec = dictionary.doc2bow(doc_test_list)
print("doc_test_vec", doc_test_vec, type(doc_test_vec))

# 將corpus語料庫(初識語料庫) 使用Lsi模型進行訓練
lsi = models.LsiModel(corpus)
# 這裏的只是須要學習Lsi模型來了解的,這裏不作闡述
print("lsi", lsi, type(lsi))
# 語料庫corpus的訓練結果
print("lsi[corpus]", lsi[corpus])
# 得到語料庫doc_test_vec 在 語料庫corpus的訓練結果 中的 向量表示
print("lsi[doc_test_vec]", lsi[doc_test_vec])

# 文本類似度
# 稀疏矩陣類似度 將 主 語料庫corpus的訓練結果 做爲初始值
index = similarities.SparseMatrixSimilarity(lsi[corpus], num_features=len(dictionary.keys()))
print("index", index, type(index))

# 將 語料庫doc_test_vec 在 語料庫corpus的訓練結果 中的 向量表示 與 語料庫corpus的 向量表示 作矩陣類似度計算
sim = index[lsi[doc_test_vec]]

print("sim", sim, type(sim))

# 對下標和類似度結果進行一個排序,拿出類似度最高的結果
# cc = sorted(enumerate(sim), key=lambda item: item[1],reverse=True)
cc = sorted(enumerate(sim), key=lambda item: -item[1])
print(cc)

text = l1[cc[0][0]]

print(a,text)

前方高能

View Code