aibox.nlp.features.portuguese.word_morphosyntactic_information

Características relacionadas as informações morfossintáticas das palavras

Classes

WordMorphosyntacticInformationExtractor([nlp])	Extrator de características de informações morfossintáticas das palavras.
WordMorphosyntacticInformationFeatures(...)	Características de informações morfossintáticas das palavras.

class aibox.nlp.features.portuguese.word_morphosyntactic_information.WordMorphosyntacticInformationFeatures(adjective_ratio: float, adjectives_max: float, adjectives_min: float, adjectives_std: float, adverbs: float, adverbs_diversity_ratio: float, adverbs_max: float, adverbs_min: float, adverbs_std: float, nouns_ratio: float, nouns_max: float, nouns_min: float, nouns_std: float, verbs_ratio: float, verbs_max: float, verbs_min: float, verbs_std: float, infinitive_verbs: float, inflected_verbs: float, non_inflected_verbs: float, indicative_condition_ratio: float, indicative_future_ratio: float, prepositions_per_clause: float, prepositions_per_sentence: float, content_words: float, function_words: float, punctuation_ratio: float, ratio_function_to_content_words: float, pronoun_ratio: float, personal_pronouns: float, oblique_pronouns_ratio: float, indefinite_pronoun_ratio: float, relative_pronouns_ratio: float, first_person_pronouns: float, second_person_pronouns: float, third_person_pronouns: float, pronouns_min: float, pronouns_max: float, pronouns_std: float)

Base: DataclassFeatureSet

Características de informações morfossintáticas das palavras.

Parâmetros:

• adjective_ratio (float)

• adjectives_max (float)

• adjectives_min (float)

• adjectives_std (float)

• adverbs (float)

• adverbs_diversity_ratio (float)

• adverbs_max (float)

• adverbs_min (float)

• adverbs_std (float)

• nouns_ratio (float)

• nouns_max (float)

• nouns_min (float)

• nouns_std (float)

• verbs_ratio (float)

• verbs_max (float)

• verbs_min (float)

• verbs_std (float)

• infinitive_verbs (float)

• inflected_verbs (float)

• non_inflected_verbs (float)

• indicative_condition_ratio (float)

• indicative_future_ratio (float)

• prepositions_per_clause (float)

• prepositions_per_sentence (float)

• content_words (float)

• function_words (float)

• punctuation_ratio (float)

• ratio_function_to_content_words (float)

• pronoun_ratio (float)

• personal_pronouns (float)

• oblique_pronouns_ratio (float)

• indefinite_pronoun_ratio (float)

• relative_pronouns_ratio (float)

• first_person_pronouns (float)

• second_person_pronouns (float)

• third_person_pronouns (float)

• pronouns_min (float)

• pronouns_max (float)

• pronouns_std (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.word_morphosyntactic_information.WordMorphosyntacticInformationExtractor(nlp: Language | None = None)

Base: FeatureExtractor

Extrator de características de informações morfossintáticas das palavras.

Parâmetros:

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

Exemplo de uso em FeatureExtractor

property feature_set: type[WordMorphosyntacticInformationFeatures]

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) → WordMorphosyntacticInformationFeatures

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:

WordMorphosyntacticInformationFeatures

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