# 快速上手：分词、词性标注、命名实体识别
import jiagu
# jiagu.init() # 可手动初始化，也可以动态初始化
text = '厦门明天会不会下雨'
words = jiagu.seg(text) # 分词
print(words)
pos = jiagu.pos(words) # 词性标注
print(pos)
ner = jiagu.ner(words) # 命名实体识别
print(ner)
# 中文分词
# 自定义分词模型（将单独提供msr、pku、cnc等分词标准）
# 独立标准模型路径
# msr：test/extra_data/model/msr.model
# pku：test/extra_data/model/pku.model
# cnc：test/extra_data/model/cnc.model
jiagu.load_model('test/extra_data/model/cnc.model') # 使用国家语委分词标准
words = jiagu.cut('结婚的和尚未结婚的')
print(words)
# 分词各种模式使用方式
text = '汉服和服装、知识图谱机器人'
words = jiagu.cut(text) # 深度学习分词
print(words)
words = jiagu.seg(text) # 字典分词
print(words)
# jiagu.load_userdict('dict/user.dict') # 加载自定义字典，支持字典路径、字典列表形式。
jiagu.load_userdict(['知识图谱'])
words = jiagu.seg(text) # 自定义分词，字典分词模式有效
print(words)
# 知识图谱关系抽取
# 吻别是由张学友演唱的一首歌曲。
# 苏州大学（Soochow University），简称“苏大”，坐落于历史文化名城苏州。
# 《盗墓笔记》是2014年欢瑞世纪影视传媒股份有限公司出品的一部网络季播剧，改编自南派三叔所著的同名小说，由郑保瑞和罗永昌联合导演，李易峰、杨洋、唐嫣、刘天佐、张智尧、魏巍等主演。
# 姚明（Yao Ming），1980年9月12日出生于上海市徐汇区，祖籍江苏省苏州市吴江区震泽镇，前中国职业篮球运动员，司职中锋，现任中职联公司董事长兼总经理。
text = '《盗墓笔记》是2014年欢瑞世纪影视传媒股份有限公司出品的一部网络季播剧，改编自南派三叔所著的同名小说，由郑保瑞和罗永昌联合导演，李易峰、杨洋、唐嫣、刘天佐、张智尧、魏巍等主演。'
knowledge = jiagu.knowledge(text)
print(knowledge)
# 关键词提取
text = '''
该研究主持者之一、波士顿大学地球与环境科学系博士陈池（音）表示，“尽管中国和印度国土面积仅占全球陆地的9%，但两国为这一绿化过程贡献超过三分之一。考虑到人口过多的国家一般存在对土地过度利用的问题，这个发现令人吃惊。”
NASA埃姆斯研究中心的科学家拉玛·内曼尼（Rama Nemani）说，“这一长期数据能让我们深入分析地表绿化背后的影响因素。我们一开始以为，植被增加是由于更多二氧化碳排放，导致气候更加温暖、潮湿，适宜生长。”
“MODIS的数据让我们能在非常小的尺度上理解这一现象，我们发现人类活动也作出了贡献。”
NASA文章介绍，在中国为全球绿化进程做出的贡献中，有42%来源于植树造林工程，对于减少土壤侵蚀、空气污染与气候变化发挥了作用。
据观察者网过往报道，2017年我国全国共完成造林736.2万公顷、森林抚育830.2万公顷。其中，天然林资源保护工程完成造林26万公顷，退耕还林工程完成造林91.2万公顷。京津风沙源治理工程完成造林18.5万公顷。三北及长江流域等重点防护林体系工程完成造林99.1万公顷。完成国家储备林建设任务68万公顷。
'''
keywords = jiagu.keywords(text, 5) # 关键词
print(keywords)
# 文本摘要
fin = open('input.txt', 'r')
text = fin.read()
fin.close()
summarize = jiagu.summarize(text, 3) # 摘要
print(summarize)
# 新词发现
jiagu.findword('input.txt', 'output.txt') # 根据文本，利用信息熵做新词发现。
# 情感分析
text = '很讨厌还是个懒鬼'
sentiment = jiagu.sentiment(text)
print(sentiment)
# 文本聚类
docs = [
"百度深度学习中文情感分析工具Senta试用及在线测试",
"情感分析是自然语言处理里面一个热门话题",
"AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总",
"深度学习实践：从零开始做电影评论文本情感分析",
"BERT相关论文、文章和代码资源汇总",
"将不同长度的句子用BERT预训练模型编码，映射到一个固定长度的向量上",
"自然语言处理工具包spaCy介绍",
"现在可以快速测试一下spaCy的相关功能，我们以英文数据为例，spaCy目前主要支持英文和德文"
]
cluster = jiagu.text_cluster(docs)
print(cluster)
'''
输出的结果如下：
['厦门', '明天', '会不会', '下雨']
['ns', 'nt', 'v', 'v']
['B-LOC', 'O', 'O', 'O']
['结婚', '的', '和', '尚未', '结婚', '的']
['汉服', '和', '服装', '、', '知识图谱', '机器人']
['汉服', '和', '服装', '、', '知识图谱', '机器人']
['汉服', '和', '服装', '、', '知识图谱', '机器人']
[['盗墓笔记', '出品公司', '欢瑞世纪影视传媒股份有限公司'], ['盗墓笔记', '作者', '南派三叔'], ['盗墓笔记', '导演', '郑瑞'], ['盗墓笔记', '导演', '罗永昌'], ['盗墓笔记', '主演', '李易峰'], ['盗墓笔记', '主演', '杨洋'], ['盗墓笔记', '主演', '唐嫣'], ['盗墓笔记', '主演', '刘天佐'], ['盗墓笔记', '主演', '张智尧'], ['盗墓笔记', '主演', '魏巍']]
['.', '工程', '万', '造林', '绿化']
['参考了各大工具优缺点制作，将Jiagu回馈给大家。', 'Jiagu以BiLSTM等模型为基础，使用大规模语料训练而成。', '']
('negative', 0.9957030885091285)
{0: ['将不同长度的句子用BERT预训练模型编码，映射到一个固定长度的向量上', '现在可以快速测试一下spaCy的相关功能，我们以英文数据为例，spaCy目前主要支持英文和德文', '百度深度学习中文情感分析工具Senta试用及在线测试', '深度学习实践：从零开始做电影评论文本情感分析'], 1: ['情感分析是自然语言处理里面一个热门话题', '自然语言处理工具包spaCy介绍'], 2: ['AI Challenger 2018 文本挖掘类竞赛相关解决方案及代码汇总', 'BERT相关论文、文章和代码资源汇总']}
'''
'''
词性标注说明
n 普通名词
nt 时间名词
nd 方位名词
nl 处所名词
nh 人名
nhf 姓
nhs 名
ns 地名
nn 族名
ni 机构名
nz 其他专名
v 动词
vd 趋向动词
vl 联系动词
vu 能愿动词
a 形容词
f 区别词
m 数词
q 量词
d 副词
r 代词
p 介词
c 连词
u 助词
e 叹词
o 拟声词
i 习用语
j 缩略语
h 前接成分
k 后接成分
g 语素字
x 非语素字
w 标点符号
ws 非汉字字符串
wu 其他未知的符号
命名实体说明（采用BIO标记方式）
B-PER、I-PER 人名
B-LOC、I-LOC 地名
B-ORG、I-ORG 机构名
'''