Scripting
  • 简体中文
  • TestFlight

      • 标注 (Tagger)

      Tagger 用于给文本做词性、词元、语言/脚本、命名实体、情感、自定义标签（来自 Gazetteer）等标注。

      构造

      const tagger = new NaturalLanguage.Tagger([
  "lexicalClass",   // 词性
  "nameType",       // 人名 / 地名 / 机构名
  "lemma",
  "sentimentScore"
])
tagger.setText("Tim Cook visited Beijing yesterday. I love this city!")

      只声明你实际需要的 scheme —— 它们决定 tagger 做哪些分析。

      Tag scheme

      type TagScheme =
  | "tokenType"              // word / punctuation / whitespace / other
  | "lexicalClass"           // Noun, Verb, Adjective, ...
  | "nameType"               // PersonalName, PlaceName, OrganizationName
  | "nameTypeOrLexicalClass"
  | "lemma"
  | "language"
  | "script"
  | "sentimentScore"         // 数值字符串,[-1, 1]

      方法

      setText(text: string): void

      绑定要分析的文本。后续查询都基于它。

      setLanguage(language: Language, range?: StringRange): void

      为整段文本或某个子区间覆盖语言提示。

      tag(at, unit, scheme): { tag: string | null, range } | null

      查询单个 UTF-16 位置上的 tag。

      tags(range, unit, scheme, options?): { tag: string | null, range }[]

      枚举一个区间内的所有 tag。range 传 null 表示扫描全文。

      options（TaggerOptions）可以跳过你不关心的 token：

      • omitWords / omitPunctuation / omitWhitespace / omitOther
      • joinNames（把 "John Smith" 合并为单个 token）
      • joinContractions（把 "don't" 合并为单个 token）

      tagHypotheses(at, unit, scheme, maximumCount): { hypotheses, range }

      返回某个位置上 top-K 个候选 tag，形如 { "Noun": 0.7, "Verb": 0.2, ... }。

      enumerateNamedEntities(range?, options?): NamedEntityResult[]

      对 tags(..., "word", "nameType", ...) 的便捷封装：只返回人名 / 地名 / 机构名，并自动启用 joinNames，多词姓名合并成单个实体。

      sentimentScore(range?): number | null

      返回情感打分（[-1, 1]，越正表示越积极）。要求构造时声明了 "sentimentScore"。打分从 range.location 开始，按段落粒度。

      setGazetteers(gazetteers, scheme): void

      为某个 scheme 挂上一个或多个 Gazetteer。Gazetteer 命中会覆盖系统模型对该 scheme 的判断。详见 Gazetteer。

      示例

      命名实体识别

      const tagger = new NaturalLanguage.Tagger(["nameType"])
tagger.setText("Tim Cook visited Beijing yesterday.")
console.log(tagger.enumerateNamedEntities())
// [
//   { entity: "personalName", text: "Tim Cook", range: { location: 0,  length: 8 } },
//   { entity: "placeName",    text: "Beijing",  range: { location: 17, length: 7 } }
// ]

      词性标注

      const tagger = new NaturalLanguage.Tagger(["lexicalClass"])
tagger.setText("Apple released new products.")
const tags = tagger.tags(null, "word", "lexicalClass", {
  omitWhitespace: true,
  omitPunctuation: true
})
// → [ { tag: "Noun", range }, { tag: "Verb", range }, { tag: "Adjective", range }, { tag: "Noun", range } ]

      情感打分

      const tagger = new NaturalLanguage.Tagger(["sentimentScore"])
tagger.setText("I love this beautiful sunny day!")
const score = tagger.sentimentScore()   // → ~0.9（正向）

      Top-K 候选

      const r = tagger.tagHypotheses(0, "word", "lexicalClass", 3)
// {
//   hypotheses: { "Noun": 0.72, "ProperNoun": 0.18, "Adjective": 0.05 },
//   range: { location: 0, length: 5 }
// }

      输入校验与模型能力

      • range 省略或为 null 时代表全文。显式范围的 location、length 必须为非负安全整数，且落在文本的 UTF-16 边界内；错误类型抛 TypeError，无效数值或越界抛 RangeError，不会退回全文。setLanguage 遇到错误范围不会修改语言提示。
      • tag / tagHypotheses 的 at 必须是有限安全整数，不能传 NaN、小数或布尔值。合法整数位置越界时，tag 返回 null，tagHypotheses 返回空候选和零范围；text.length 不属于可查询的字符位置。
      • maximumCount 必须是正安全整数；候选对象的键顺序没有保证，需要排序时自行按置信度排序。
      • 合法零长范围：tags / enumerateNamedEntities 返回空数组；sentimentScore 查询起点所在段落，起点为文本末尾时返回 null。情感的 range.length 不裁剪文本，也不计算多段平均值。
      • 情感分数是模型预测的极性，不是置信度；中文等语言可能出现误判。OtherWord 表示没有细分词性标签，不应把它猜测成名词或动词。

      Tagger.availableTagSchemes(unit, language): TagScheme[]

      查询当前设备对指定语言和粒度支持的 scheme，返回值使用与构造参数相同的名称；支持某个 scheme 不保证模型准确，也不保证输出细分标签。

      const language = NaturalLanguage.dominantLanguage(text)
if (language) {
  console.log(NaturalLanguage.Tagger.availableTagSchemes("word", language))
  console.log(NaturalLanguage.Tagger.availableTagSchemes("paragraph", language))
}