今天的主题是介绍如何读取 CSV (之前从各个网站爬下来的问答集),并将资料转成後面制作语料库模型要用的格式。
先复习一下之前爬下来的格式好了,待会我们要做的是以 Q
(问题)来制作模型
我将 CSV 整理成 4 种格式
完整程序码: https://gitlab.com/graduate_lab415/nlp/-/blob/master/readwriter.py
get_field("Q")
: 可以得到 docs
、docs_category
用来制作模型。to_dict()
: 可以得到 all_data
、all_data_category
用来回传完整问答组合给 API。docs
: 全部的 Q
[
"如何申请⻑期照顾服务及流程为何?",
"申请长照服务有什麽条件?"
]
docs_category
: 依 category
分类的 Q
{
"1":[
"如何申请⻑期照顾服务及流程为何?",
"申请长照服务有什麽条件?"
],
"2":[
...
]
}
all_data
: 完整的问答组合
[
{
'id':'10',
'Q':'护理之家和老人养护所和老人安养院有何分别?'
'A':'台湾照顾老人的老人福利机构一般来说分成三个等级:1.安养院:只能照顾生活可以完全自理的长者,亦即是健康的老人家。2.养护所:可以照顾有鼻胃管、尿管或者完全卧床的患者。 唯,不能收有气切之患者。(年龄限制:须满60岁以上)3.护理之家:从最重症【鼻胃管、尿管、气切】到最轻微【只是安养的长者】都能给予全方位的生活及护理照护。(年龄无限制)',
'url':'https://www.royalnursinghome.com.tw/%e8%ad%b7%e7%90%86%e4%b9%8b%e5%ae%b6/'
},
{
...
}
]
all_data_category
: 依 category
分类的问答组合
{
"1":[
{
'id':'10',
'Q':'护理之家和老人养护所和老人安养院有何分别?'
'A':'台湾照顾老人的老人福利机构一般来说分成三个等级:1.安养院:只能照顾生活可以完全自理的长者,亦即是健康的老人家。2.养护所:可以照顾有鼻胃管、尿管或者完全卧床的患者。 唯,不能收有气切之患者。(年龄限制:须满60岁以上)3.护理之家:从最重症【鼻胃管、尿管、气切】到最轻微【只是安养的长者】都能给予全方位的生活及护理照护。(年龄无限制)',
'url':'https://www.royalnursinghome.com.tw/%e8%ad%b7%e7%90%86%e4%b9%8b%e5%ae%b6/'
},
{
...
}
],
"2":[
{
...
}
]
}
介绍完资料整理的部分,我们回到主程序吧~
完整程序码: https://gitlab.com/graduate_lab415/nlp/-/blob/master/main.py
首先我们要确认用来制作模型的资料来源,当 CUT_METHOD
是 ckip
或 jieba
时,就从 CSV 中读取资料;若是 test
则会使用下方的测试英文句子当来源。
来源预设是全部的问句或问答组合(docs
、all_data
),若是有输入分类的编号,则会把相应的资料(docs_category[q_category]
、all_data_category[q_category]
)赋值给docs
、all_data
,作为新的资料来源。
"""
CUT_METHOD = test | ckip | jieba
"""
CUT_METHOD = 'ckip'
"""Source"""
q_category = sys.argv[2]
if CUT_METHOD in ["ckip", "jieba"]:
docs, docs_category = CsvReader().get_field("Q")
all_data, all_data_category = CsvReader().to_dict()
"""group qa by category and write json to file"""
if q_category in ['1', '2', '3', '4', '5']:
docs = docs_category[q_category]
all_data = all_data_category[q_category]
else:
docs = [
"it is a good day, I like to stay here",
"I am happy to be here",
"I am bob",
"it is sunny today",
"I have a party today",
"it is a dog and that is a cat",
"there are dog and cat on the tree",
"I study hard this morning",
"today is a good day",
"tomorrow will be a good day",
"I like coffee, I like book and I like apple",
"I do not like it",
"I am kitty, I like bob",
"I do not care who like bob, but I like kitty",
"It is coffee time, bring your cup",
]
all_data = docs
接下来的几天我们会继续以这段程序码延伸,断词、加 Label 等前置作业,到後面 TF、IDF、TF-IDF 的建置,一段段讲解程序。
>>: 第 14 集:Bootstrap 客制化 Sass 原始码架构
上午: Python机器学习套件与资料分析 使用tensorflow.keras 测试不同optim...
某天在FB上滑着滑着,看到了iT邦帮忙的铁人赛活动,觉得…!我想要挑战以前未成功的遗憾,甚麽遗憾呢…...
上一篇把Django的开发环境准备好了, 这一篇我们来写程序将模型部署在Django专案并且可以提供...
tags: OC 30 day 创建一个类 如何创建一个书的class? 首先点击add File的...
[DAY3]SQL的新手懒人笔记 (大写为内建语法) 21.ORDER BY可用来排序资料,如果是字...