معرفی شرکت ها
asmai-0.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Asmai: (Al'asma'i) Arabic semantic analysis library for Python
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | asmai-0.1 |
| نام | asmai |
| نسخه کتابخانه | 0.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Taha Zerrouki |
| ایمیل نویسنده | taha.zerrouki@gmail.com |
| آدرس صفحه اصلی | http://asmai.sourceforge.net/ |
| آدرس اینترنتی | https://pypi.org/project/asmai/ |
| مجوز | GPL |
Asmai: (Al'asma'i) Arabic semantic analysis
===========================================
مكتبة الأصمعي الدلالية
======================
Asmai: (Al'asma'i) Arabic semantic analysis library for Python
.. figure:: doc/asmai_header.png
:alt: asmai logo
asmai logo
.. figure:: https://img.shields.io/pypi/dm/asmai
:alt: PyPI - Downloads
PyPI - Downloads
Developpers: Taha Zerrouki: http://tahadz.com taha dot zerrouki at gmail
dot com
+-------------+--------------------------------------------------------------------------------------------+
| Features | value |
+=============+============================================================================================+
| Authors | `Authors.md <https://github.com/linuxscout/asmai-arabic-semantic/master/AUTHORS.md>`__ |
+-------------+--------------------------------------------------------------------------------------------+
| Release | 0.1 |
+-------------+--------------------------------------------------------------------------------------------+
| License | `GPL <https://github.com/linuxscout/asmai-arabic-semantic/master/LICENSE>`__ |
+-------------+--------------------------------------------------------------------------------------------+
| Tracker | `linuxscout/asmai/Issues <https://github.com/linuxscout/asmai-arabic-semantic/issues>`__ |
+-------------+--------------------------------------------------------------------------------------------+
| Source | `Github <http://github.com/linuxscout/asmai-arabic-semantic>`__ |
+-------------+--------------------------------------------------------------------------------------------+
| Feedbacks | `Comments <https://github.com/linuxscout/asmai-arabic-semantic/>`__ |
+-------------+--------------------------------------------------------------------------------------------+
| Accounts | [@Twitter](https://twitter.com/linuxscout) |
+-------------+--------------------------------------------------------------------------------------------+
Description
-----------
Asmai: (Al'asma'i) Arabic semantic analysis library for Python
مزايا:
~~~~~~
- استخلاص ثنائيات الكلمات التي تحمل دلالات من نوع : (فاعلية، مفعولية،
إضافة)
install
~~~~~~~
.. code:: shell
pip install asmai
Usage
~~~~~
import
^^^^^^
.. code:: python
pip install asmai
Test
^^^^
.. code:: python
import asmai.anasem as asm
text = u"يعبد الله منذ أن تطلع الشمس"
result = []
anasem = asm.SemanticAnalyzer()
result = anasem.analyze_text(text)
# the result contains objets
anasem.pprint(result)
- Extract semantic relation, display only found relations
.. code:: python
>>> import pprint
>>> sem_result = anasem.display_sem(result)
>>> pprint.pprint(sem_result)
[[['الشَّمْسُ', 'تَطْلُعَ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلُعُ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلُعْ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلَعَ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلَعُ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلَعْ', 'شَمْسٌ', 'طَلَعَ', 'Subject']]]
- Extract semantic relation, display all words and tags
.. code:: python
>>> sem_result = anasem.display_sem(result, all=True)
>>> pprint.pprint(sem_result)
[('يعبد', 'O', []),
('الله', 'O', []),
('منذ', 'O', []),
('أن', 'O', []),
('تطلع', 'B', []),
('الشمس',
'I',
[['الشَّمْسُ', 'تَطْلُعَ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلُعُ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلُعْ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلَعَ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلَعُ', 'شَمْسٌ', 'طَلَعَ', 'Subject'],
['الشَّمْسُ', 'تَطْلَعْ', 'شَمْسٌ', 'طَلَعَ', 'Subject']])]
>>>
- convert to pandas \`\`\`python >>> import pandas as pd >>> >>> #
flatten the result ... df = pd.DataFrame(anasem.decode(result)) >>>
print(df.head()) action affix affix\_key forced\_word\_case ...
unvocalized unvoriginal vocalized word 0 -ي-- -ي--\|المضارع
المنصوب:هو:y False ... يعبد عبد يُعَبِّدَ يعبد 1 -ي-- -ي--\|المضارع
المجهول المجزوم:هو:y False ... يعبد عبد يُعَبَّدْ يعبد 2 -ي--
-ي--\|المضارع المجهول:هو:y False ... يعبد عبد يُعَبَّدُ يعبد 3 -ي--
-ي--\|المضارع المعلوم:هو:y False ... يعبد عبد يُعَبِّدُ يعبد 4 -ي--
-ي--\|المضارع المجزوم:هو:y False ... يعبد عبد يُعَبِّدْ يعبد
[5 rows x 50 columns] >>> df.to\_csv("output/test.csv", encoding="utf8",
sep=":raw-latex:'\t'")
[requirement]
^^^^^^^^^^^^^
::
1- pyarabic
2. sqlite
3. sylajone
Data Structure:
---------------
Semantic database
~~~~~~~~~~~~~~~~~
.. code:: sql
CREATE TABLE sqlite_sequence(name,seq);
CREATE TABLE "derivations" (
"id" INTEGER PRIMARY KEY AUTOINCREMENT NOT NULL UNIQUE ,
"verb" varchar NOT NULL ,
"transitive" BOOL NOT NULL DEFAULT 1,
"derived" VARCHAR NOT NULL ,
"type" VARCHAR NOT NULL
);
CSV Structure:
- Derivattion
1. id : id unique in the database
2. verb : vocalized collocation
3. transtive : if the verb is transitive
4. derived : derived word from verb number
5. type : type
Semantic relations
^^^^^^^^^^^^^^^^^^
.. code:: sql
CREATE TABLE "relations" (
"id" INTEGER PRIMARY KEY NOT NULL ,
first" VARCHAR NOT NULL DEFAULT ('') ,
"second" VARCHAR NOT NULL DEFAULT ('') ,
"rule" VARCHAR NOT NULL DEFAULT (0)
);
CSV Structure:
1. id : id unique in the database
2. first: first word
3. second: second word
4. rule : the extraction rule number :
نحوه نصب
نصب پکیج whl asmai-0.1:
pip install asmai-0.1.whl
نصب پکیج tar.gz asmai-0.1:
pip install asmai-0.1.tar.gz