Relp++

Pré-requisitos

• Java Runtime Environment 8+
• interpretador Python 3.x
• Pacote py4j, scikit-learn, sklearn-crfsuite, scipy, pandas (pip3 install py4j scikit-learn sklearn-crfsuite scipy pandas)

Execução

O Relp++ necessita da execução paralela da ferramenta CoGroo4py, disponível no site: https://github.com/gpassero/cogroo4py.

Esta ferramenta já foi proporcionada no pacote de instalação do Relp++ e para executá-la é necessário somente utilizar a seguinte linha de comando na pasta principal: * java -jar cogroo4py.jar

Execução para Treino:

• Gerador de Features para Treino (features_treino.py)

  Argumentos de Entrada: arquivo com as sentenças (O formato do arquivo deve estar como em Exemplos/texto_treino.txt)

  Argumentos de Saída: features de treino (features_treino.txt.gz - O arquivo é substituído a cada execução)

  Exemplo de Uso:

  • python3 features_treino.py Exemplo/texto_treino.txt

• Gerador do Modelo (crf_treino.py)

  Argumento de Entrada: features de treino (features_treino.txt.gz)

  Argumentos de Saída: modelo treinado (modelo_treinado.txt.gz) resultado da classificação (saida_treino.txt)

  Exemplo de uso:

  • python3 crf_treino.py features_treino.txt.gz

Execução para Teste:

• Gerador de Features para Teste (features_teste.py)

  Argumento de Entrada: arquivo com as sentenças (O formato do arquivo deve estar como em Exemplos/texto_teste.txt)

  Argumento de Saída: features de teste (features_teste.txt.gz)

  Exemplo de Uso:

  • python3 features_teste.py Exemplo/texto_teste.txt

• Teste do Modelo Treinado (crf_teste.py)

  Argumento de Entrada: features de teste (features_teste.txt.gz) modelo treinado (modelo_treinado.txt.gz)

  Argumento de Saída: resultado da classificação de teste (saida_teste.txt)

  Exemplo de Uso:

  • python3 crf_teste.py features_teste.txt.gz modelo_padrao.txt.gz