BosonNLP API 中文语义分析（笔记）

BosonNLP API 中文语义分析

参见 python版 BosonNLP HTTP API 封装库（SDK）：http://bosonnlp-py.readthedocs.io/#bosonnlp

• BosonNLP 官网：http://bosonnlp.com/
• BosonNLP HTTP API 文档： http://docs.bosonnlp.com/index.html

from __future__ import print_function, unicode_literalsfrom bosonnlp import BosonNLPimport requests, json

token = 'your Token' # 个人token！！！

nlp = BosonNLP(token)  # nlp = BosonNLP('YOUR_API_TOKEN')

查询 API 频率限制

免费用户的 API 每天有次数限制的，具体如下图：

当然，通过购买，可以增加次数，费用情况如下：

我觉得，面对这么完善的中文文本分析功能，免费用户却拥有全部的功能，即便每天有次数限制，已然值得称赞~~~

#  本接口用来查询用户使用 BosonNLP API 频率限制的详细信息。HEADERS = {'X-Token': token} # 注意：在测试时请更换为您的 API tokenRATE_LIMIT_URL = 'http://api.bosonnlp.com/application/rate_limit_status.json'result = requests.get(RATE_LIMIT_URL, headers=HEADERS).json()

result['limits'].keys() # (['review', 'keywords', 'tag', 'classify', 'depparser', 'time', 'summary', 'ner', 'cluster', 'comments', 'suggest', 'sentiment'])

dict_keys([‘review’, ‘keywords’, ‘tag’, ‘classify’, ‘depparser’, ‘time’, ‘summary’, ‘ner’, ‘cluster’, ‘comments’, ‘suggest’, ‘sentiment’])

例：查询情感分析剩余次数

result['limits']['sentiment'].keys() # (['rate-limit-limit', 'rate-limit-remaining', 'rate-limit-reset', 'quota-limit', 'count-limit-reset', 'count-limit-limit', 'quota-remaining', 'count-limit-remaining'])result['limits']['sentiment']['count-limit-remaining'] # 查询情感分析次数

写成函数的形式：

def sentiment_limit_remaining():     result = requests.get(RATE_LIMIT_URL, headers=HEADERS).json()    return result['limits']['sentiment']['count-limit-remaining']

情感分析

核心函数：nlp.sentiment(data, model = 'general')

参见：http://docs.bosonnlp.com/sentiment.html

model 参数用来传递模型名选择用特定行业语料进行训练的模型；可选值，默认为 general 。

模型名 行业 URL general 通用 http://api.bosonnlp.com/sentiment/analysis auto 汽车 http://api.bosonnlp.com/sentiment/analysis?auto kitchen 厨具 http://api.bosonnlp.com/sentiment/analysis?kitchen food 餐饮 http://api.bosonnlp.com/sentiment/analysis?food news 新闻 http://api.bosonnlp.com/sentiment/analysis?news weibo 微博 http://api.bosonnlp.com/sentiment/analysis?weibo

返回结果说明：

第一个值为非负面概率，第二个值为负面概率，两个值相加和为 1。

nlp.sentiment(['这家味道还不错', '菜品太少了而且还不新鲜'], model='weibo')

[[0.9694666780709835, 0.03053332192901642],
[0.07346999807197441, 0.9265300019280256]]

nlp.sentiment(['这家味道还不错', '菜品太少了而且还不新鲜'], model='food')

[[0.9991737012037423, 0.0008262987962577828],
[9.940036427291687e-08, 0.9999999005996357]]

或者使用 HTTP Header 返回

SENTIMENT_URL = 'http://api.bosonnlp.com/sentiment/analysis?weibo' # 微博分析apiheaders = {'X-Token': token} # 注意：在测试时请更换为您的 API token 。s = [' 他是个傻逼 ', ' 美好的世界 ']data = json.dumps(s) # 包装成 json

HTTP 返回 Body JSON 格式的 [double, double] 类型组成的列表。

resp = requests.post(SENTIMENT_URL, headers=headers, data=data.encode('utf-8')) # 上传 data 进行分析

resp.text # 显示情感分数

‘[[0.4434637245024887, 0.5565362754975113], [0.9340287284701145, 0.06597127152988551]]’

分词与词性标注

核心函数：nlp.tag(contents, space_mode=0, oov_level=3, t2s=0, special_char_conv=0)

函数参数参见：http://docs.bosonnlp.com/tag.html

词性标注说明参见：http://docs.bosonnlp.com/tag_rule.html

BosonNLP 的词性标注非常详细，共有 22个大类，70个标签！！

而且 BosonNLP 分词和词性标注系统还提供了多种分词选项，以满足不同开发者的需求：

• 空格保留选项 (space_mode)
• 新词枚举强度选项 (oov_level)
• 繁简转换选项 (t2s)
• 特殊字符转换选项 (special_char_conv)

result = nlp.tag(['成都商报记者 姚永忠', '调用参数及返回值详细说明见'])print(result)

[{‘tag’: [‘ns’, ‘n’, ‘n’, ‘nr’], ‘word’: [‘成都’, ‘商报’, ‘记者’, ‘姚永忠’]}, {‘tag’: [‘v’, ‘n’, ‘c’, ‘v’, ‘n’, ‘ad’, ‘v’, ‘v’], ‘word’: [‘调用’, ‘参数’, ‘及’, ‘返回’, ‘值’, ‘详细’, ‘说明’, ‘见’]}]
​

关键词提取

核心函数：nlp.extract_keywords(text, top_k=None, segmented=False)

参见：http://docs.bosonnlp.com/keywords.html

keywords = nlp.extract_keywords('病毒式媒体网站：让新闻迅速蔓延', top_k=2)print(keywords) # 返回权重和关键词，所有关键词的权重的平方和为 1

[[0.5686631749811326, ‘蔓延’], [0.5671956747680966, ‘病毒’]]
​

语义联想

核心函数：nlp.suggest(data)

参见：http://docs.bosonnlp.com/suggest.html

term = '粉丝'result = nlp.suggest(term, top_k=10)for score, word in result:    print(score, word)

0.9999999999999996 粉丝/n
0.48602467961311013 脑残粉/n
0.47638025976400944 听众/n
0.4574711603743689 球迷/n
0.4427939662212161 观众/n
0.43996388413040877 喷子/n
0.43706751168681585 乐迷/n
0.43651710096540336 鳗鱼/n
0.4357353461210975 水军/n
0.4332090811336725 好友/n

新闻分类

核心函数：nlp.classify(data)

参见：http://docs.bosonnlp.com/classify.html

编号 分类 编号 分类 0 体育 7 科技 1 教育 8 互联网 2 财经 9 房产 3 社会 10 国际 4 娱乐 11 女人 5 军事 12 汽车 6 国内 13 游戏

s = ['俄否决安理会谴责叙军战机空袭阿勒颇平民',     '邓紫棋谈男友林宥嘉：我觉得我比他唱得好',     'Facebook收购印度初创公司']result = nlp.classify(s)result

[5, 4, 8]

新闻摘要

核心函数：summary(title, content, word_limit=0.3, not_exceed=False)

参见：http://docs.bosonnlp.com/summary.html

content = (    '腾讯科技讯（刘亚澜）10月22日消息，前优酷土豆技术副总裁'    '黄冬已于日前正式加盟芒果TV，出任CTO一职。'    '资料显示，黄冬历任土豆网技术副总裁、优酷土豆集团产品'    '技术副总裁等职务，曾主持设计、运营过优酷土豆多个'    '大型高容量产品和系统。'    '此番加入芒果TV或与芒果TV计划自主研发智能硬件OS有关。')title = '前优酷土豆技术副总裁黄冬加盟芒果TV任CTO'nlp.summary(title, content, 0.1)

‘腾讯科技讯（刘亚澜）10月22日消息，前优酷土豆技术副总裁黄冬已于日前正式加盟芒果TV，出任CTO一职。’

时间转换

核心函数：nlp.convert_time(data, basetime=None)

参见：http://docs.bosonnlp.com/time.html

感觉这是一个独(ling)特(lei)的文本分析功能，用在时间文本上面，应该是个不错的选择。

import datetime # 使用 basetime 时导入该模块nlp.convert_time(    "2013年二月二十八日下午四点三十分二十九秒",    datetime.datetime.today()) # datetime.datetime(2017, 10, 19, 22, 21, 18, 434128)

{‘timestamp’: ‘2013-02-28 16:30:29’, ‘type’: ‘timestamp’}

nlp.convert_time("今天晚上8点到明天下午3点", datetime.datetime(2015, 9, 1))

{‘timespan’: [‘2015-09-01 20:00:00’, ‘2015-09-02 15:00:00’],
‘type’: ‘timespan_0’}

nlp.convert_time("今天晚上8点到明天下午3点",  datetime.datetime.today()) # 

{‘timespan’: [‘2017-10-21 20:00:00’, ‘2017-10-22 15:00:00’],
‘type’: ‘timespan_0’}

其他单文本分析

依存文法分析：http://docs.bosonnlp.com/depparser.html

命名实体识别：http://docs.bosonnlp.com/ner.html

多文本分析功能

文本聚类：http://docs.bosonnlp.com/cluster.html

典型意见：http://docs.bosonnlp.com/comments.html