我已经安装了syntaxnet,并且能够使用提供的演示脚本运行解析器.理想情况下,我想直接从python运行它.我发现的唯一代码是:
import subprocess
import os
os.chdir(r"../models/syntaxnet")
subprocess.call([
"echo 'Bob brought the pizza to Alice.' | syntaxnet/demo.sh"
], shell = True)
这是一个完全的灾难 - 低效和过于复杂(从python调用python应该用python完成).
如何直接调用python API,而无需通过shell脚本,标准I/O等？
编辑 - 为什么这不像打开syntaxnet/demo.sh并阅读它一样简单？
这个shell脚本调用两个python脚本(parser_eval和conll2tree),它们被编写为python脚本,无法导入多个错误而无法导入到python模块中.仔细观察会产生类似脚本的图层和本机代码.这些上层需要重构,以便在python上下文中运行整个事物.有没有人用这样的修改分叉语法网或打算这样做？
我有demo.sh工作正常,我看了解parser_eval.py并在一定程度上完成了所有操作.但是,我没有看到如何使用TensorFlow服务来提供这个模型.我可以看到两个问题:
1)这些图没有导出的模型,图形是在每次调用时使用图形构建器(例如structured_graph_builder.py),上下文协议缓冲区以及其他一些我不完全理解的东西构建的. (它似乎也注册了额外的syntaxnet.ops).那么......是否可能,以及如何将这些模型导出为Serving所需的"捆绑"形式SessionBundleFactory？如果没有,似乎需要在C++中重新实现图形构建逻辑/步骤,因为Serving仅在C++上下文中运行.
2)demo.sh实际上是两个模型与UNIX管道一起管道,所以任何Servable都必须(可能)构建两个会话并将数据从一个到另一个进行编组.这是正确的方法吗？或者是否可以构建一个"大"图表,其中包含两个"修补"并同时导出的模型？
我有几十万份法律文件(大部分来自欧盟) - 法律,评论,法庭文件等.我试图在算法上对它们有所了解.
我已经建模了已知的关系(时间,这个 - 变化 - 等等).但在单文档级别上,我希望我有更好的工具来快速理解.我愿意接受各种想法,但这是一个更具体的问题:
例如:是否有NLP方法来确定文档的相关/有争议部分而不是样板文件？最近泄露的TTIP论文是数千页的数据表,但在那里的一个句子可能会破坏一个行业.
我Parsey McParface过去常常使用google的新版和其他NLP解决方案,但是虽然它们的工作效果非常好,但我不确定它们在隔离意义方面有多好.
该POS标签和标签Depedency通过输出Parsey McParseface给出在tag-set和label-set文件在这里分别.
该Syntaxnet自述概述了该模型的宾州树库,OntoNotes和英文Web树库训练.
是否有类似于Universal Dependency项目给出的相应POS标签和依赖标签的详细描述？
Parsey McParsey默认返回一个基于依赖的解析树,但是它是一种从中获取基于选区的解析树的方法吗？
编辑:澄清,通过"从中获取"我的意思是来自Parsey本身.虽然从ConLL输出构建树也是一种选择.