amrlib

一个使AMR解析、生成和可视化变得简单的Python库。

有关最新文档，请参阅**ReadTheDocs**。

**!! 注意：**模型必须单独下载和安装。请参阅安装说明。

关于

amrlib是一个Python模块，旨在通过提供以下功能使抽象意义表示（AMR）处理变得简单：

句子到图（StoG）解析，将英语句子转换为AMR图。
图到句子（GtoS）生成，将AMR图转换为英语句子。
基于QT的图形用户界面，方便句子到图和图到句子的转换。
在GUI和库函数中绘制AMR图的方法。
用于StoG和GtoS模型的训练和测试代码。
SpaCy扩展，允许直接将SpaCy的Docs和Spans转换为AMR图。
句子到图对齐例程
- FAA_Aligner（Fast_Align算法），基于ISI对齐器代码，详见此论文。
- RBW_Aligner（基于规则的词对齐），用于简单的单个标记到单个节点的对齐。
评估指标API，包括...
- Smatch（多进程，带有增强/详细得分）用于图解析
  关于smatch评分请参见底部注释
- 用于句子生成的BLEU
- 对齐评分指标，详细说明精确度/召回率

AMR模型

系统包含用于解析和生成的不同神经网络模型。**!! 注意：**模型必须单独下载和安装。所有解析和生成模型的下载链接请参见amrlib-models。

解析（StoG）model_parse_xfm_bart_large在LDC2020T02上达到83.7 SMATCH分数。
有关解析模型的技术描述，请参见其wiki页面
生成（GtoS）generate_t5wtense在带时态标记的LDC2020T02上达到54 BLEU，在未标记的LDC2020T02上达到44 BLEU。

AMR查看器

GUI允许简单地查看、转换和绘制AMR图。

AMRView

AMR共指消解

该库不包含AMR共指消解的代码，但有一个相关项目amr_coref。

以下论文的GitHub项目/代码具有类似或更好的得分：

要求和安装

该项目在Python 3和Ubuntu下构建和测试，但应该可以在任何Linux、Windows、Mac等系统上运行。

有关设置详情，请参阅安装说明。

库使用

将句子转换为图：

import amrlib
stog = amrlib.load_stog_model()
graphs = stog.parse_sents(['这是对系统的测试。', '这是第二句话。'])
for graph in graphs:
    print(graph)

将图转换为句子：

import amrlib
gtos = amrlib.load_gtos_model()
sents, _ = gtos.generate(graphs)
for sent in sents:
    print(sent)

详细说明请参阅模型API。

作为Spacy扩展使用

要作为扩展使用，您需要spaCy 2.0或更高版本。设置扩展并使用它：

import amrlib
import spacy
amrlib.setup_spacy_extension()
nlp = spacy.load('en_core_web_sm')
doc = nlp('这是对SpaCy扩展的测试。测试包含多个句子。')
graphs = doc._.to_amr()
for graph in graphs:
    print(graph)

详细说明请参阅Spacy API。