st = StanfordNERTagger('../base-conocimiento/nlp/stanford-ner/classifiers/english.all.3class.distsim.crf.ser.gz', #'../base-conocimiento/nlp/stanford-spanish-corenlp-2017-06-09-models.jar',
'../base-conocimiento/nlp/stanford-ner/stanford-ner.jar',
encoding='utf-8')
words = nltk.word_tokenize(text)
classified_text = st.tag(words)
print(classified_text)
"""
# Leer base de conocimiento
palabras_corrupcion = kb.read_knowledge_base('../base-conocimiento/palabras-corrupcion.all.txt')
casos_corrupcion = kb.read_knowledge_base('../base-conocimiento/casos-corrupcion.all.txt')
instituciones = kb.read_knowledge_base('../base-conocimiento/instituciones.all.txt')
lideres_opinion = kb.read_knowledge_base('../base-conocimiento/lideres-opinion.all.txt')
partidos_politicos = kb.read_knowledge_base('../base-conocimiento/partidos-politicos.all.txt')
# Convertir de dictionary a list con las regular expressions
palabras_corrupcion = kb.get_words_as_list(palabras_corrupcion)
casos_corrupcion = kb.get_words_as_list(casos_corrupcion)
instituciones = kb.get_words_as_list(instituciones)
lideres_opinion = kb.get_words_as_list(lideres_opinion)
partidos_politicos = kb.get_words_as_list(partidos_politicos)
# Queries para posts
posts_queries = []
posts_queries.append(fb.generate_regex_query(['message', 'name', 'description'], palabras_corrupcion))
posts_queries.append(fb.generate_regex_query(['message', 'name', 'description'], casos_corrupcion))
posts_queries.append(fb.generate_regex_query(['message', 'name', 'description'], instituciones))
posts_queries.append(fb.generate_regex_query(['message', 'name', 'description'], lideres_opinion))
posts_queries.append(fb.generate_regex_query(['message', 'name', 'description'], partidos_politicos))
# Queries para comments
comments_queries = []
import pymongo
from enum import Enum
import csv
import datetime
from knowledge_base import KnowledgeBase
from model import Facebook
import re
import numpy as np
if __name__ == '__main__':
fb = Facebook()
kb = KnowledgeBase()
lideres_opinion = kb.read_knowledge_base(
'../base-conocimiento/lideres-opinion.all.txt')
lideres_opinion = kb.get_words_as_list(lideres_opinion)
query_posts_lideres = fb.generate_regex_query(['message'], lideres_opinion)
res = fb.query('comments', query_posts_lideres)
for r in res:
if 'message' in r:
r['message'] = re.sub(r"\s", " ", r['message'])
random_list = np.random.choice(res, 200, replace=False)
with open('comments_polarity.csv', 'w', newline='') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',')
csvwriter.writerow(['comentario', 'polaridad'])
for r in random_list:
