实体识别工具

此工具提供了一种全面的方法来比较两组数据，评估其值的精确和语义上的相等性。它利用文本规范化和语言模型来确定数据是否来自同一主体。

功能特性

• 文本规范化：将文本转换为小写、移除标点符号并统一空白字符。
• 数值比较：对数值进行精确和语义上的比较（对于列表，忽略顺序）。
• JSON遍历：逐个键地遍历每个JSON对象，并使用compare_values函数比较对应的值。
• 语言模型整合：利用生成式语言模型评估语义相似性并最终判断数据是否来自同一主体。

安装指南

要使用此工具，请确保安装了必要的依赖项。您可以通过pip进行安装：

pip install genai

使用说明

函数介绍

1. normalize_text(text)：

   • 对输入文本进行规范化处理，包括转小写、去标点符号和统一空白字符。

2. compare_values(val1, val2)：

   • 从精确和语义上比较两个值。
   • 如果是列表类型，则在语义比较时忽略元素顺序。

3. compare_json(json1, json2)：

   • 比较两个JSON对象的每个键。
   • 使用compare_values函数评估每个键的值。
   • 整合生成式语言模型来评估语义相似性并提供最终判断结果。

示例说明

import json
import genai
import re

# 定义您的JSON对象
json1 = {
    "name": "John Doe",
    "address": "123 Main St, Anytown, USA",
    "hobbies": ["reading", "hiking", "coding"]
}

json2 = {
    "name": "john doe",
    "address": "123 Main Street, Anytown, USA",
    "hobbies": ["coding", "hiking", "reading"]
}

# 比较JSON对象
comparison_results = compare_json(json1, json2)

# 生成最终匹配结果
model1 = genai.GenerativeModel("gemini-2.0-flash-thinking-exp")
result_matching = model1.generate_content("综合这些信息，你认为可以判断两个数据来自同一主体吗？"+json.dumps(comparison_results, ensure_ascii=False, indent=4))
print(result_matching.text)

贡献指南

欢迎任何贡献！请打开问题或提交拉取请求。

许可证

此项目使用MIT许可证。有关详细信息，请参阅LICENSE文件。

联系方式

如果您有任何问题或建议，请随时联系我：

• 邮箱：u3588064@connect.hku.hk
• GitHub：u3588064@connect.hku.hk

微信