El bloque de sintaxis de Watson Natural Language Processing encapsula la funcionalidad de análisis de sintaxis.

Nombres de bloque

• syntax_izumo_<language>_stock
• syntax_izumo_<language>_stock-dp

Idiomas soportados

El bloque de análisis de sintaxis está disponible para los siguientes idiomas. Para obtener una lista de los códigos de idioma y el idioma correspondiente, consulte Códigos de idioma.

Códigos de idioma a utilizar para el modelo syntax_izumo_<language>_stock: af, ar, bs, ca, cs, da, de, el, en, es, fi, fr, he, hi, hr, it, ja, ko, nb, nl, nn, pl, pt, ro, ru, sk, sr, sv, tr, zh_cn, zh_tw

Códigos de idioma a utilizar para el modelo syntax_izumo_<language>_stock-dp: af, ar, bs, ca, cs, da, de, el, en, es, fi, fr, he, hi, hr, it, ja, ko, nb, nl, nn, pl, pt, ro, ru, sk, sr, sv, tr, zh

Prestaciones

Utilice este bloque para realizar tareas como la detección de sentencias, la tokenización, el etiquetado de la categoría léxica, la lematización y el análisis de dependencias en diferentes idiomas. Para la mayoría de las tareas, probablemente sólo necesitará la detección de frases, la tokenización y el etiquetado de categorías léxicas. Para estos casos de uso, utilice el modelo syntax_model_xx_stock . Si desea ejecutar el análisis de dependencias, utilice el modelo syntax_model_xx_stock-dp .

El análisis para el etiquetado y las dependencias de la categoría léxica (POS) sigue el conjunto de etiquetas Universal Parts of Speech (Etiquetas POS universales) y el conjunto de etiquetas de dependencias universales v2 (Relaciones de dependencias universales).

La tabla siguiente muestra las prestaciones de cada tarea basándose en el mismo ejemplo y el resultado en el análisis.

Dependencias de otros bloques

Ninguna

Ejemplo de código

import watson_nlp

# Load Syntax for English
syntax_model = watson_nlp.load('syntax_izumo_en_stock')

# Detect tokens, lemma and part-of-speech
text = 'I don\'t like Mondays'
syntax_prediction = syntax_model.run(text, parsers=('token', 'lemma', 'part_of_speech'))

# Print the syntax result
print(syntax_prediction)

Ejemplo de salida de código:

{
  "text": "I don't like Mondays",
  "producer_id": {
    "name": "Izumo Text Processing",
    "version": "0.0.1"
  },
  "tokens": [
    {
      "span": {
        "begin": 0,
        "end": 1,
        "text": "I"
      },
      "lemma": "I",
      "part_of_speech": "POS_PRON"
    },
    {
      "span": {
        "begin": 2,
        "end": 4,
        "text": "do"
      },
      "lemma": "do",
      "part_of_speech": "POS_AUX"
    },
    {
      "span": {
        "begin": 4,
        "end": 7,
        "text": "n't"
      },
      "lemma": "not",
      "part_of_speech": "POS_PART"
    },
    {
      "span": {
        "begin": 8,
        "end": 12,
        "text": "like"
      },
      "lemma": "like",
      "part_of_speech": "POS_VERB"
    },
    {
      "span": {
        "begin": 13,
        "end": 20,
        "text": "Mondays"
      },
      "lemma": "Monday",
      "part_of_speech": "POS_PROPN"
    }
  ],
  "sentences": [
    {
      "span": {
        "begin": 0,
        "end": 20,
        "text": "I don't like Mondays"
      }
    }
  ],
  "paragraphs": [
    {
      "span": {
        "begin": 0,
        "end": 20,
        "text": "I don't like Mondays"
      }
    }
  ]
}

Tema principal: Watson