Microsoft Recognizers Text 概述

构建状态

Microsoft.Recognizers.Text 提供了对多种语言中表达的数字、单位和日期/时间等实体的强大识别和解析能力。目前全面支持中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、土耳其语、印地语和荷兰语。对日语、韩语、阿拉伯语和瑞典语提供部分支持。更多语言支持正在开发中。

项目应用

Microsoft.Recognizers.Text 为以下服务提供支持：LUIS：语言理解智能服务、Power Virtual Agents 和 Microsoft Bot Framework 中的预构建实体；文本分析认知服务 中的基础实体类型；同时也以独立包的形式提供（包括基类和各种实体识别器）。

Microsoft.Recognizers.Text 包目前针对四个平台：

C#/.NET - NuGet 包可在此获取：https://www.nuget.org/profiles/Recognizers.Text
JavaScript/TypeScript - NPM 包可在此获取：https://www.npmjs.com/~recognizers.text
Python - PyPI 包可在此获取：https://pypi.org/user/recognizers-text/ (alpha 版)
Java (开发中)

我们非常欢迎贡献！无论是对当前支持语言的修复和扩展，还是对新语言的扩展。特别是对日语、韩语、阿拉伯语、瑞典语等语言的支持！更多信息请见下文。

.NET 是主要的包版本，贡献会随时间逐步传播到其他平台。

引用 Recognizers-Text 项目

如果您在学术作品中使用了这些识别器，请按以下方式引用（您可以省略版本号或更新为特定版本，如果相关的话）：

@software{soft:recognizers-text,
  author    = {Wenhao Huang and Zijia Lin and Chris McConnell and B{\"{o}}rje F. Karlsson},
  title     = {{Recognizers-Text}: {R}ecognition and resolution of numbers, units, and date/time entities expressed across multiple languages},
  month     = jul,
  year      = 2017,
  publisher = {Zenodo},
  version   = {1.0.0},
  doi       = {10.5281/zenodo.6860598},
  url       = {https://doi.org/10.5281/zenodo.6860598}
}

如果更符合您的模板，可以将"@software"改为"@misc"。

帮助

如果您有任何问题，请随时提出问题，即使不是实际的 bug。问题也可以作为一个可接受的讨论论坛。

贡献

本项目采用了 Microsoft 开源行为准则。欲了解更多信息，请参阅行为准则常见问题或联系 opencode@microsoft.com 获取任何其他问题或意见。

贡献的良好起点包括：

未解决问题列表（特别是那些标记为help wanted的问题）；
临时标记为NotSupported的 json 规范案例（规范）；以及
翻译在英语中有效但在目标语言中尚不存在的 json 测试规范案例。

以下链接描述了项目结构，并提供了贡献的概述和技巧（尽管某些步骤可能已经有些过时）。感谢您的贡献！

跨文化支持的实体

下表总结了当前支持的实体。英语的支持通常比其他语言更完整。主要平台是 .NET（表中所示），支持应逐步传播到其他平台。

实体类型	英语	中文	荷兰语	法语	德语	意大利语	日语	韩语	葡萄牙语	西班牙语
数字（基数）	✓	✓	✓	✓	✓	✓	✓	✓	✓	✓
序数	✓	✓	✓	✓	✓	✓	✓	✓	✓	✓
百分比	✓	✓	✓	✓	✓	✓	✓	✓	✓	✓
数字范围	✓	✓	✓	✓	✓	✓	PA/EO	✓	✓	✓
单位 - 年龄	✓	✓	✓	✓	✓	✓	✓	PA/EO	✓	✓
单位 - 货币	✓	✓	✓	✓	✓	✓	✓	PA/EO	✓	✓
单位 - 尺寸	✓	✓	✓	✓	✓	✓	✓	PA/EO	✓	✓
单位 - 温度	✓	✓	✓	✓	✓	✓	✓	✓	✓	✓
选择 - 布尔值	✓	✓	✓	✓	✓	✓	✓	SO	✓	✓
序列 - 电子邮件	G	G*	G	G	G	G	G*	G*	G	G
序列 - GUID	G	G	G	G	G	G	G	G	G	G
序列 - 社交媒体	G	G	G	G	G	G	G	G	G	G
序列 - IP地址	G	G	G	G	G	G	G	G	G	G
序列 - 电话号码	G	G	G	G	G	G	G	G	G	G
序列 - URL	G	G*	G	G	G	G	G*	G*	G	G
日期时间（及子类型）	✓	✓	✓	✓	✓	✓	✓	SO	✓	✓

实体类型	瑞典语	保加利亚语	土耳其语	印地语	阿拉伯语
数字（基数）	✓	:x:	✓	✓	PA/EO
序数	✓	:x:	✓	✓	PA/EO
百分比	✓	:x:	✓	✓	PA/EO
数字范围	:x:	:x:	✓	✓	PA/EO
单位 - 年龄	✓	:x:	✓	✓	:x:
单位 - 货币	✓	:x:	✓	✓	:x:
单位 - 尺寸	✓	:x:	✓	✓	:x:
单位 - 温度	✓	:x:	✓	✓	:x:
选择 - 布尔值	✓	✓	✓	✓	✓
序列 - 电子邮件	G	G	G	G	G
序列 - GUID	G	G	G	G	G
序列 - 社交媒体	G	G	G	G	G
序列 - IP地址	G	G	G	G	G
序列 - 电话号码	:x:	:x:	:x:	:x:	:x:
序列 - URL	G	G	G	G*	G*
日期时间（及子类型）	SP	:x:	✓	✓	SO

G: 通用实体，非特定语言（* 不支持Unicode顶级域名）；
EO: 仅提取（解析/解决/规范化待定）；
PA: 部分支持（类型未完全支持）；
SO: 仅规范（测试规范覆盖OK，但支持待定）；
SP: 部分规范；
SI: 非常初步的规范（通常是新语言支持的开始阶段）。