File size: 7,560 Bytes
c4c0ace |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 |
{
"cells": [
{
"cell_type": "code",
"execution_count": null,
"id": "73f81039",
"metadata": {},
"outputs": [],
"source": [
"from transformers import pipeline\n",
"from termcolor import colored\n",
"import torch"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "b8a8891e",
"metadata": {},
"outputs": [],
"source": [
"# !pip install termcolor==1.1.0"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "44668ca1",
"metadata": {},
"outputs": [],
"source": [
"class Ner_Extractor:\n",
" \n",
" def __init__(self, model_checkpoint):\n",
" \n",
" self.token_pred_pipeline = pipeline(\"token-classification\", \n",
" model=model_checkpoint, \n",
" aggregation_strategy=\"average\")\n",
" \n",
" @staticmethod\n",
" def text_color(txt, txt_c=\"blue\", txt_hglt=\"on_yellow\"):\n",
" return colored(txt, txt_c, txt_hglt)\n",
" \n",
" @staticmethod\n",
" def concat_entities(ner_result):\n",
" \n",
" entities = []\n",
" prev_entity = None\n",
" prev_end = 0\n",
" for i in range(len(ner_result)):\n",
" if (ner_result[i][\"entity_group\"] == prev_entity) &\\\n",
" (ner_result[i][\"start\"] == prev_end):\n",
" entities[i-1][2] = ner_result[i][\"end\"]\n",
" prev_entity = ner_result[i][\"entity_group\"]\n",
" prev_end = ner_result[i][\"end\"]\n",
" else:\n",
" entities.append([ner_result[i][\"entity_group\"], \n",
" ner_result[i][\"start\"], \n",
" ner_result[i][\"end\"]])\n",
" prev_entity = ner_result[i][\"entity_group\"]\n",
" prev_end = ner_result[i][\"end\"]\n",
" \n",
" return entities\n",
" \n",
" \n",
" def colored_text(self, text, entities):\n",
" \n",
" colored_text = \"\"\n",
" init_pos = 0\n",
" for ent in entities:\n",
" if ent[1] > init_pos:\n",
" colored_text += text[init_pos: ent[1]]\n",
" colored_text += self.text_color(text[ent[1]: ent[2]]) + f\"({ent[0]})\"\n",
" init_pos = ent[2]\n",
" else:\n",
" colored_text += self.text_color(text[ent[1]: ent[2]]) + f\"({ent[0]})\"\n",
" init_pos = ent[2]\n",
" \n",
" return colored_text\n",
" \n",
" \n",
" def get_entities(self, text):\n",
" \n",
" entities = self.token_pred_pipeline(text)\n",
" concat_ent = self.concat_entities(entities)\n",
" \n",
" return concat_ent\n",
" \n",
" \n",
" def show_ents_on_text(self, text: str):\n",
" \n",
" entities = self.get_entities(text)\n",
" \n",
" return self.colored_text(text, entities)"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "30e9efd9",
"metadata": {},
"outputs": [],
"source": [
"seqs_example = [\"Минобороны: ракетами «Калибр» уничтожена техника дивизиона С-300, поставленная из Европы\",\n",
"\"Боррель подтвердил стремление ЕС к военному сценарию урегулирования конфликта на Украине\",\n",
"\"Ericsson приостановит бизнес в России на неопределенный срок\",\n",
"\"Минобороны заявило о захвате ВС России новых танков ВСУ под Изюмом\",\n",
"\"Макрон вышел в лидеры в первом туре выборов во Франции после обработки 97% бюллетеней\",\n",
"\"Глава МИД Литвы: страны ЕС начали работу над шестым пакетом санкций против России\",\n",
"\"«Интеррос» Потанина объявил о покупке Росбанка у Societe Generale\",\n",
"\"Доллар и евро на Мосбирже подорожали на открытии торгов\",\n",
"\"Басурин заявил, что порт в Мариуполе освобожден на 80%\",\n",
"\"Путин поручил Промсвязьбанку открыть отделения в Крыму до октября\",\n",
"\"Milliyet: Турция рассматривает покупку российских Су-57 в случае отказа США продавать F-16\",\n",
"\"Швеция и Финляндия подадут заявку на вступление в НАТО летом текущего года\",\n",
"\"Сенатор Косачев предупредил об использовании оружия массового поражения на Украине\",\n",
"\"Встреча президента Путина и канцлера Нехаммера пройдет без журналистов и пресс-конференции\",\n",
"\"Кадыров заявил о широкомасштабном наступлении на города и сёла Украины\"]"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "380d9824",
"metadata": {},
"outputs": [],
"source": [
"extractor = Ner_Extractor(model_checkpoint = \"surdan/LaBSE_ner_nerel\")"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "37ebcf51",
"metadata": {},
"outputs": [],
"source": [
"show_entities_in_text = (extractor.show_ents_on_text(i) for i in seqs_example)"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "14807823",
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"id": "e03b28c7",
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"id": "a2d4ae84",
"metadata": {},
"outputs": [],
"source": [
"print(next(show_entities_in_text, \"Конец\"))"
]
},
{
"cell_type": "code",
"execution_count": null,
"id": "e8ab57d1",
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"id": "47fbcff9",
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"id": "41c32b90",
"metadata": {},
"outputs": [],
"source": []
},
{
"cell_type": "code",
"execution_count": null,
"id": "07bb735e",
"metadata": {},
"outputs": [],
"source": []
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3 (ipykernel)",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.8.10"
}
},
"nbformat": 4,
"nbformat_minor": 5
}
|