Metadata-Version: 2.1
Name: eventextraction
Version: 1.1
Summary: 中文复合事件抽取，可以用来识别文本的模式，包括条件事件、因果事件、顺承事件、反转事件。代码为刘焕勇原创设计,项目地址https://github.com/liuhuanyong/ComplexEventExtraction 项目介绍很详细，感兴趣的一定要去原项目看一下。我仅仅是对代码做了简单的修改，增加了函数说明注释和stats函数，可以用于统计文本中各种模式的分布(数量)情况。
Home-page: https://github.com/hidadeng/eventextraction
Author: 大邓
Author-email: thunderhit@qq.com
License: MIT
Description: # 一、文本事理类型分析
        
        中文复合事件抽取，可以用来识别文本的模式，包括条件事件、顺承事件、反转事件。
        
        我仅仅是对代码做了简单的修改，增加了函数说明注释和stats函数，可以用于统计文本中各种模式的分布(数量)情况。代码原作者为刘焕勇 https://github.com/liuhuanyong
        
        <br>
        
        ### 事件图谱（事理图谱）的类型
        项目地址https://github.com/liuhuanyong/ComplexEventExtraction 项目介绍很详细，感兴趣的一定要去原项目看一下。
        
        | 事件     | 含义                     | 形式化     | 事件应用 | 图谱场景     | 举例                |
        | -------- | ------------------------ | ---------- | -------- | ------------ | ------------------- |
        | 条件事件 | 某事件条件下另一事件发生 | 如果A那么B | 事件预警 | 时机判定     | <限制放宽,立即增产> |
        | 反转事件 | 某事件与另一事件形成对立 | 虽然A但是B | 预防不测 | 反面教材     | <起步晚,发展快>     |
        | 顺承事件 | 某事件紧接着另一事件发生 | A接着B     | 事件演化 | 未来意图识别 | <去旅游,买火车票>   |
        
        分析出文本中的条件、顺承、反转，理论上就可以构建知识网络(本库做不到这可视化)。
        1、反转事件图谱
        ![](img/but.png)
        2、条件事件图谱
        ![](img/condition.png)
        
        <br>
        <br>
        
        
        # 二、安装方法
        
        ### 2.1 方法一
        
        最简单的安装,现在由于国内外网络不稳定，可能需要尝试几次
        
        ```
        pip3 install eventextraction
        ```
        
        <br>
        
        ### 2.2 加镜像站点
        
        有的童鞋已经把pip默认安装镜像站点改为国内，如果国内镜像还未收录我的这个包，那么可能会安装失败。只能从国外
        
        
        
        https://pypi.org/simple
        
        
        
        站点搜索eventextraction资源并安装
        
        ```
        pip3 install eventextraction -i https://pypi.org/simple
        ```
        
        <br>
        
        ### 2.3 国内镜像安装
        
        如果国内镜像站点已经收录，那么使用这个会更快
        
        ```
        pip3 install eventextraction -i https://pypi.tuna.tsinghua.edu.cn/simple/
        ```
        
        
        
        <br><br>
        
        # 三、使用
        
        ### 3.1 主函数
        
        ```
        from eventextraction import EventsExtraction
        
        extractor = EventsExtraction()
        content = '虽然你做了坏事，但我觉得你是好人。一旦时机成熟，就坚决推行'
        datas = extractor.extract_main(content)
        print(datas)
        
        ```
        
        运行结果
        
        ```
        [{'sent': '虽然你做了坏事，但我觉得你是好人', 'type': 'but', 'tuples': {'pre_wd': '虽然', 'pre_part': '你做了坏事，', 'post_wd': '但', 'post_part ': '我觉得你是好人'}},
        {'sent': '一旦时机成熟，就坚决推行', 'type': 'condition', 'tuples': {'pre_wd': '一旦', 'pre_part': '时机成熟，', 'post_wd': '就', 'post_part ': '坚决推行'}}]
        
        ```
        
        <br>
        
        ### 3.2 统计
        
        ```
        from eventextraction import EventsExtraction
        
        extractor = EventsExtraction()
        content = '虽然你做了坏事，但我觉得你是好人。一旦时机成熟，就坚决推行'
        datas = extractor.extract_main(content)
        print(extractor.stats(datas))
        ```
        
        运行结果
        
        ```
        {'but': 1, 'condition': 1, 'seq': 0, 'more': 0, 'other': 0}
        ```
        <br><br>
        
        # 如果
        
        如果您是经管人文社科专业背景，编程小白，面临海量文本数据采集和处理分析艰巨任务，可以参看[《python网络爬虫与文本数据分析》](https://ke.qq.com/course/482241?tuin=163164df)视频课。作为文科生，一样也是从两眼一抹黑开始，这门课程是用五年时间凝缩出来的。自认为讲的很通俗易懂o(*￣︶￣*)o，
        
        - python入门
        - 网络爬虫
        - 数据读取
        - 文本分析入门
        - 机器学习与文本分析
        - 文本分析在经管研究中的应用
        
        感兴趣的童鞋不妨 戳一下[《python网络爬虫与文本数据分析》](https://ke.qq.com/course/482241?tuin=163164df)进来看看~
        
        [![](img/课程.png)](https://ke.qq.com/course/482241?tuin=163164df)
        
        
        
        # 更多
        
        - [B站:大邓和他的python](https://space.bilibili.com/122592901/channel/detail?cid=66008)
        
        - 公众号：大邓和他的python
        
        - [知乎专栏：数据科学家](https://zhuanlan.zhihu.com/dadeng)
        
        <br>
        
        ![](img/大邓和他的Python.png)
        
Keywords: knowledge graph,text analysis,event extraction
Platform: UNKNOWN
Requires-Python: >=3.5
Description-Content-Type: text/markdown
