Description
The explain_document_dl is a pretrained pipeline that we can use to process text with a simple pipeline that performs basic processing steps and recognizes entities . It performs most of the common text processing tasks on your dataframe
Predicted Entities
Live Demo Open in Colab Download Copy S3 URI
How to use
from sparknlp.pretrained import PretrainedPipeline
pipeline = PretrainedPipeline('recognize_entities_dl', lang = 'fa')
annotations = pipeline.fullAnnotate("""به گزارش خبرنگار ایرنا ، بر اساس تصمیم این مجمع ، محمد قمی نماینده مردم پاکدشت به عنوان رئیس و علی‌اکبر موسوی خوئینی و شمس‌الدین وهابی نمایندگان مردم تهران به عنوان نواب رئیس انتخاب شدند""")[0]
annotations.keys()
val pipeline = new PretrainedPipeline("recognize_entities_dl", lang = "fa")
val result = pipeline.fullAnnotate("""به گزارش خبرنگار ایرنا ، بر اساس تصمیم این مجمع ، محمد قمی نماینده مردم پاکدشت به عنوان رئیس و علی‌اکبر موسوی خوئینی و شمس‌الدین وهابی نمایندگان مردم تهران به عنوان نواب رئیس انتخاب شدند""")(0)
import nlu
text = ["""به گزارش خبرنگار ایرنا ، بر اساس تصمیم این مجمع ، محمد قمی نماینده مردم پاکدشت به عنوان رئیس و علی‌اکبر موسوی خوئینی و شمس‌الدین وهابی نمایندگان مردم تهران به عنوان نواب رئیس انتخاب شدند"""]
result_df = nlu.load('fa.recognize_entities_dl').predict(text)
result_df
Results
| | document | sentence | token | clean_tokens | lemma | pos | embeddings | ner | entities |
|---:|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------|:---------------|:---------|:------|:-------------|:------|:---------------------|
| 0 | "به گزارش خبرنگار ایرنا ، بر اساس تصمیم این مجمع ، محمد قمی نماینده مردم پاکدشت به عنوان رئیس و علی‌اکبر موسوی خوئینی و شمس‌الدین وهابی نمایندگان مردم تهران به عنوان نواب رئیس انتخاب شدند | "به گزارش خبرنگار ایرنا ، بر اساس تصمیم این مجمع ، محمد قمی نماینده مردم پاکدشت به عنوان رئیس و علی‌اکبر موسوی خوئینی و شمس‌الدین وهابی نمایندگان مردم تهران به عنوان نواب رئیس انتخاب شدند | " | " | " | PUNCT | " | O | خبرنگار ایرنا |
| 1 | | | به | گزارش | به | ADP | به | O | محمد قمی |
| 2 | | | گزارش | خبرنگار | گزارش | NOUN | گزارش | O | پاکدشت |
| 3 | | | خبرنگار | ایرنا | خبرنگار | NOUN | خبرنگار | B-ORG | علی‌اکبر موسوی خوئینی |
| 4 | | | ایرنا | ، | ایرنا | PROPN | ایرنا | I-ORG | شمس‌الدین وهابی |
| 5 | | | ، | اساس | ؛ | PUNCT | ، | O | تهران |
| 6 | | | بر | تصمیم | بر | ADP | بر | O | |
| 7 | | | اساس | این | اساس | NOUN | اساس | O | |
| 8 | | | تصمیم | مجمع | تصمیم | NOUN | تصمیم | O | |
| 9 | | | این | ، | این | DET | این | O | |
| 10 | | | مجمع | محمد | مجمع | NOUN | مجمع | O | |
| 11 | | | ، | قمی | ؛ | PUNCT | ، | O | |
| 12 | | | محمد | نماینده | محمد | PROPN | محمد | B-PER | |
| 13 | | | قمی | پاکدشت | قمی | PROPN | قمی | I-PER | |
| 14 | | | نماینده | عنوان | نماینده | NOUN | نماینده | O | |
| 15 | | | مردم | رئیس | مردم | NOUN | مردم | O | |
| 16 | | | پاکدشت | علی‌اکبر | پاکدشت | PROPN | پاکدشت | B-LOC | |
| 17 | | | به | موسوی | به | ADP | به | O | |
| 18 | | | عنوان | خوئینی | عنوان | NOUN | عنوان | O | |
| 19 | | | رئیس | شمس‌الدین | رئیس | NOUN | رئیس | O | |
| 20 | | | و | وهابی | او | CCONJ | و | O | |
| 21 | | | علی‌اکبر | نمایندگان | علی‌اکبر | PROPN | علی‌اکبر | B-PER | |
| 22 | | | موسوی | تهران | موسوی | PROPN | موسوی | I-PER | |
| 23 | | | خوئینی | عنوان | خوئینی | PROPN | خوئینی | I-PER | |
| 24 | | | و | نواب | او | CCONJ | و | O | |
| 25 | | | شمس‌الدین | رئیس | شمس‌الدین | PROPN | شمس‌الدین | B-PER | |
| 26 | | | وهابی | انتخاب | وهابی | PROPN | وهابی | I-PER | |
| 27 | | | نمایندگان | | نماینده | NOUN | نمایندگان | O | |
| 28 | | | مردم | | مردم | NOUN | مردم | O | |
| 29 | | | تهران | | تهران | PROPN | تهران | B-LOC | |
| 30 | | | به | | به | ADP | به | O | |
| 31 | | | عنوان | | عنوان | NOUN | عنوان | O | |
| 32 | | | نواب | | نواب | NOUN | نواب | O | |
| 33 | | | رئیس | | رئیس | NOUN | رئیس | O | |
| 34 | | | انتخاب | | انتخاب | NOUN | انتخاب | O | |
| 35 | | | شدند | | کرد#کن | VERB | شدند | O | |
Model Information
| Model Name: | recognize_entities_dl |
| Type: | pipeline |
| Compatibility: | Spark NLP 4.0.0+ |
| License: | Open Source |
| Edition: | Official |
| Language: | fa |
| Size: | 1.2 GB |
Included Models
- DocumentAssembler
- SentenceDetector
- TokenizerModel
- StopWordsCleaner
- LemmatizerModel
- PerceptronModel
- WordEmbeddingsModel
- NerDLModel
- NerConverter