aibox.nlp.features.portuguese.syntactic_complexity

Características de complexidade sintática.

Classes

SyntacticComplexityExtractor([nlp])

Extrator de características de complexidade sintática.

SyntacticComplexityFeatures(...)

Características de complexidade sintática.
class aibox.nlp.features.portuguese.syntactic_complexity.SyntacticComplexityFeatures(adverbs_before_main_verb_ratio: float, infinite_subordinate_clauses: float, words_before_main_verb: float, clauses_per_sentence: float, coordinate_conjunctions_per_clauses: float, passive_ratio: float, coord_conj_ratio: float, subord_conj_ratio: float, sentences_with_1_clauses: float, sentences_with_2_clauses: float, sentences_with_3_clauses: float, sentences_with_4_clauses: float, sentences_with_5_clauses: float, sentences_with_6_clauses: float, sentences_with_7_clauses: float, std_noun_phrase: float)[código-fonte]

Base: DataclassFeatureSet

Características de complexidade sintática.

Parâmetros:

  • adverbs_before_main_verb_ratio (float)

  • infinite_subordinate_clauses (float)

  • words_before_main_verb (float)

  • clauses_per_sentence (float)

  • coordinate_conjunctions_per_clauses (float)

  • passive_ratio (float)

  • coord_conj_ratio (float)

  • subord_conj_ratio (float)

  • sentences_with_1_clauses (float)

  • sentences_with_2_clauses (float)

  • sentences_with_3_clauses (float)

  • sentences_with_4_clauses (float)

  • sentences_with_5_clauses (float)

  • sentences_with_6_clauses (float)

  • sentences_with_7_clauses (float)

  • std_noun_phrase (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.syntactic_complexity.SyntacticComplexityExtractor(nlp: Language | None = None)[código-fonte]

Base: FeatureExtractor

Extrator de características de complexidade sintática.

Parâmetros:

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

Exemplo de uso em FeatureExtractor

property feature_set: type[SyntacticComplexityFeatures]

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) → SyntacticComplexityFeatures[código-fonte]

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:

SyntacticComplexityFeatures

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