def evaluate_cli(model, context_embeddings_op, elmo_context, elmo_ids):
config = load_config(FLAGS.config_file)
logger = get_logger(FLAGS.log_file)
if FLAGS.task == "NER":
with open(FLAGS.necessary, "rb") as f:
word_to_id, id_to_word, char_to_id, id_to_char, pumsa_to_id, id_to_pumsa, tag_to_id, id_to_tag, ner_morph_tag = pickle.load(
f)
komoran = Komoran()
results = []
while True:
# line = input("문장을 입력하세요.:")
line = [
"찬민이의 멘탈이 산산조각났습니다.", "진짜 진짜 진짜 맛있는 진짜 라면", "집에 가고 싶읍니다.", "집",
"가 가 가 가 가 가, 가, 가 ,가, 가 가 가 가 가 가, 가, 가 ,가 !!!!! ."
]
for idx in range(0, len(line), 5):
l = line[idx:idx + 2]
results.extend(
model.evaluate_lines(
sess, context_embeddings_op, elmo_context, elmo_ids,
ner_morph_tag,
inputs_from_sentences(komoran, l, word_to_id, pumsa_to_id,
char_to_id, elmo_dict,
FLAGS.max_char_length,
ner_morph_tag), id_to_tag))
print(results)
def infer(sentences, **kwargs): config = load_config(FLAGS.config_file) logger = get_logger(FLAGS.log_file) reformed_sentences = [' '.join(sen[1]) for sen in sentences] result = model.evaluate_lines(sess, inputs_from_sentences(reformed_sentences, char_to_id, FLAGS.max_char_length), id_to_tag) ''' result = [ (0.0, ['ARG0', 'ARG3', '-']), (0.0, ['ARG0', 'ARG1', '-']) ] # evaluate_lines 함수는 문장 단위 분석 결과를 내어줍니다. # len(result) : 문장의 갯수, 따라서 위 예제는 두 문장의 결과입니다. # result[0] : 첫번째 문장의 분석 결과, result[1] : 두번째 문장의 분석 결과. # 각 문장의 분석 결과는 다시 (prob, [labels])로 구성됩니다. # prob에 해당하는 자료는 이번 task에서 사용하지 않습니다. 따라서 그 값이 결과에 영향을 미치지 않습니다. # [labels]는 각 어절의 분석 결과를 담고 있습니다. 따라서 다음과 같이 구성됩니다. ## ['첫번째 어절의 분석 결과', '두번째 어절의 분석 결과', ...] # 예를 들면 위 주어진 예제에서 첫번째 문장의 첫번째 어절은 'ARG0'을, 첫번째 문장의 두번째 어절은 'ARG3'을 argument label로 가집니다. ### 주의사항 ### # 모든 어절의 결과를 제출하여야 합니다. # 어절의 순서가 지켜져야 합니다. (첫번째 어절부터 순서대로 list 내에 위치하여야 합니다.) ''' return result
def evaluate_cli(model):
config = load_config(FLAGS.config_file)
logger = get_logger(FLAGS.log_file)
with open(FLAGS.map_file, "rb") as f:
char_to_id, id_to_char, tag_to_id, id_to_tag = pickle.load(f)
while True:
line = input("문장을 입력하세요.:")
result = model.evaluate_lines(sess, inputs_from_sentences([line], char_to_id, FLAGS.max_char_length), id_to_tag)
print(result)
def infer(sentences, **kwargs):
config = load_config(FLAGS.config_file)
logger = get_logger(FLAGS.log_file)
if config['elmo']:
elmo_dict = load_elmo_dict(FLAGS.elmo_dict)
else:
elmo_dict = None
results = []
komoran = Komoran()
reformed_sentences = [' '.join(sen[1]) for sen in sentences]
for idx in range(0, len(reformed_sentences), 100):
reformed_sentence = reformed_sentences[idx:idx + 100]
results.extend(
model.evaluate_lines(
sess, context_embeddings_op, elmo_context, elmo_ids,
ner_morph_tag,
inputs_from_sentences(komoran, reformed_sentence,
word_to_id, pumsa_to_id, char_to_id,
elmo_dict, FLAGS.max_char_length,
ner_morph_tag), id_to_tag))
# results.extend(model.evaluate_lines(sess, context_embeddings_op, elmo_context, elmo_ids, ner_morph_tag,\
# inputs_from_sentences(komoran, reformed_sentence, word_to_id, pumsa_to_id, char_to_id, elmo_dict, FLAGS.max_char_length, ner_morph_tag), id_to_tag))
'''
result = [
(0.0, ['ARG0', 'ARG3', '-']),
(0.0, ['ARG0', 'ARG1', '-'])
]
# evaluate_lines 함수는 문장 단위 분석 결과를 내어줍니다.
# len(result) : 문장의 갯수, 따라서 위 예제는 두 문장의 결과입니다.
# result[0] : 첫번째 문장의 분석 결과, result[1] : 두번째 문장의 분석 결과.
# 각 문장의 분석 결과는 다시 (prob, [labels])로 구성됩니다.
# prob에 해당하는 자료는 이번 task에서 사용하지 않습니다. 에 영향을 미치지 않습니다.
# [labels]는 각 어절의 분석 결과를 담고 있습니다. 따라서 다음과 같이 구성됩따라서 그 값이 결과니다.
## ['첫번째 어절의 분석 결과', '두번째 어절의 분석 결과', ...]
# 예를 들면 위 주어진 예제에서 첫번째 문장의 첫번째 어절은 'ARG0'을, 첫번째 문장의 두번째 어절은 'ARG3'을 argument label로 가집니다.
### 주의사항 ###
# 모든 어절의 결과를 제출하여야 합니다.
# 어절의 순서가 지켜져야 합니다. (첫번째 어절부터 순서대로 list 내에 위치하여야 합니다.)
''' ''
# results[1000000000000000000000000]
# test
return results