项目地址:
https://github.com/liuhuanyong/ComplexEventExtraction
项目介绍
原始项目名为ComplexEventExtraction，即中文复合事件抽取，包括条件事件、因果事件、顺承事件、反转事件。我个人觉得可以用于识别文本中是否存在逻辑表达，统计文本中的各种逻辑表达的句子数。
事件类型
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。
如果我会知识图谱(比如社交网络分析)可视化技能，就能根据分析出的条件、因果、顺承、反转的数据结构，可视化一段文本的知识图谱。图片是刘焕勇别的项目绘制出来的。
1、反转事件图谱
2、条件事件图谱
安装方法
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。
^_^这是大邓封装的库，可以命令行安装
pip3 install https://github.com/thunderhit/eventextraction/archive/master.zip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'
}}]
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
}
