aibox.nlp.features.portuguese.liwc

Características do LIWC.

Classes

LiwcExtractor([nlp])	Extrator de características relacionadas ao uso de conectivos.
LiwcFeatures(funct, pronoun, ppron, i, we, ...)	Características baseadas no dicionário LIWC.

class aibox.nlp.features.portuguese.liwc.LiwcFeatures(funct: float, pronoun: float, ppron: float, i: float, we: float, you: float, shehe: float, they: float, ipron: float, article: float, verb: float, auxverb: float, past: float, present: float, future: float, adverb: float, preps: float, conj: float, negate: float, quant: float, number: float, swear: float, social: float, family: float, friend: float, humans: float, affect: float, posemo: float, negemo: float, anx: float, anger: float, sad: float, cogmech: float, insight: float, cause: float, discrep: float, tentat: float, certain: float, inhib: float, incl: float, excl: float, percept: float, see: float, hear: float, feel: float, bio: float, body: float, health: float, sexual: float, ingest: float, relativ: float, motion: float, space: float, time: float, work: float, achieve: float, leisure: float, home: float, money: float, relig: float, death: float, assent: float, nonfl: float, filler: float)

Base: DataclassFeatureSet

Características baseadas no dicionário LIWC.

Parâmetros:

• funct (float)

• pronoun (float)

• ppron (float)

• i (float)

• we (float)

• you (float)

• shehe (float)

• they (float)

• ipron (float)

• article (float)

• verb (float)

• auxverb (float)

• past (float)

• present (float)

• future (float)

• adverb (float)

• preps (float)

• conj (float)

• negate (float)

• quant (float)

• number (float)

• swear (float)

• social (float)

• family (float)

• friend (float)

• humans (float)

• affect (float)

• posemo (float)

• negemo (float)

• anx (float)

• anger (float)

• sad (float)

• cogmech (float)

• insight (float)

• cause (float)

• discrep (float)

• tentat (float)

• certain (float)

• inhib (float)

• incl (float)

• excl (float)

• percept (float)

• see (float)

• hear (float)

• feel (float)

• bio (float)

• body (float)

• health (float)

• sexual (float)

• ingest (float)

• relativ (float)

• motion (float)

• space (float)

• time (float)

• work (float)

• achieve (float)

• leisure (float)

• home (float)

• money (float)

• relig (float)

• death (float)

• assent (float)

• nonfl (float)

• filler (float)

as_dict() → dict[str, float]

Retorna os valores das características desse conjunto para um dado texto.

Retorna:

características contidas nesse FeatureSet para um dado texto.

Tipo de retorno:

dict[str, float]

as_numpy() → ndarray[float32]

Retorna as características como uma NumPy array. Os valores de cada índice são correspondentes às características na ordem de names().

Retorna:

array de np.float32 representando os valores das características.

Tipo de retorno:

ndarray[float32]

as_tensor(device: str | None = None) → Tensor

Retorna as características como um tensor. Os valores de cada índice são correspondentes às características na ordem de names().

Parâmetros:

device (str, opcional) – dispositivo de armazenamento.

Retorna:

Tensor do torch representado os valores das características.

Tipo de retorno:

Tensor

names() → list[str]

Retorna os nomes das características em ordem lexicográfica. Todos os outros métodos apresentam os valores conforme essa ordem.

Retorna:

nome das características desse conjunto.

Tipo de retorno:

list[str]

class aibox.nlp.features.portuguese.liwc.LiwcExtractor(nlp: Language | None = None)

Base: FeatureExtractor

Extrator de características relacionadas ao uso de conectivos.

Parâmetros:

nlp (Language) – modelo do spaCy a ser utilizado. Defaults to “pt_core_news_md”.

Exemplo de uso em FeatureExtractor

property feature_set: type[LiwcFeatures]

Retorna a classe que contém o conjunto de características retornado por esse extrator.

Retorna:

classe do conjunto de características retornado por esse extrator.

extract(text: str, **kwargs) → LiwcFeatures

Realiza a extração de características para o texto de entrada.

Parâmetros:

• text (str) – texto.

• **kwargs – argumentos extras que pode ser utilizados por alguns extratores para controlar o processo de extração.

Retorna:

características para o texto de entrada.

Tipo de retorno:

LiwcFeatures

vectorize(text: str | list[str] | ndarray[str_], vector_type: str = 'numpy', device: str | None = None, **kwargs) → ndarray | Tensor

Método para vetorização de textos. A vetorização de múltiplos textos é realizada de forma paralela sempre que possível.

Aceita os campos n_workers (default=`min(4, cpu_count)`) e show_bar (default=`true`) quando array-like de string. Demais parâmetros são passados para _vectorize().

n_workers é utilizado quando a implementação utiliza multiprocessing. Caso n_workers <= 1, um for.

Parâmetros:

• text (str | list[str] | ndarray[str_]) – texto ou textos de entrada.

• vector_type (str, opcional) – tipo do vetor de saída (‘numpy ou ‘torch’).

• device (str, opcional.) – dispositivo para armazenamento do tensor Torch. Padrão é CPU.

• **kwargs – parâmetros extras que podem ser utilizados por alguns vetorizadores para controlar o processo de vetorização.

Retorna:

representação numérica do texto.

Tipo de retorno:

ndarray | Tensor