人工自然语言ieml的python实现
ieml的Python项目详细描述
#IEML
[！[构建状态]（https://travis-ci.org/iemldev/ieml.svg？branch=master）]（https://travis ci.org/iemldev/ieml）
ieml是一种人工的“自然”语言，具有以下特性：
*ieml表示之间的所有语义关系都是可计算的。
*每个含义只有一个ieml表示，每个ieml表示只有一个含义。
语法]（https://pierrelevyblog.files.wordpress.com/2014/01/00-grammaire-ieml1.pdf“IEML语法”）由一个[字典]（https://intlekt.io/？注释=I%3A“IEML字典”）的基本含义单位-单词-和语法规则，将它们组合成主题，然后是事实，最后，理论。
这门语言是法国哲学家皮埃尔·利维（https://en.wikipedia.org/wiki/pierre-l%c3%a9vy）发明的。
ieml语法。
-词汇量不足：ieml中的每个命题都是由大约3500个单词构成的，在词典中定义了它们的聚合关系。
语义相似性：我们可以自动计算IEML命题之间的语义关系。
作为中介语：IEML不使用任何现有的自然语言作为其核心语义。但是可以说的一切都可以用ieml来描述。
-本体论的交互性：每个ieml表达式都有一个唯一的url。
只有一个有效的表示。
-多义词：所有ieml表达式都是由语义原语（字典）和有意义的复合运算符（语法）构建的。词典不是一词多义的，算子是不公正的，其结果命题不能归结为其成分。因此，在ieml中没有多义词。
从这里开始，我们在ieml中有能指和所指之间的双射。
ieml是语义空间的离散坐标系。IEML表达式称为统一语义定位符（USL）。
IEML是从一组称为字典的[语义素数]（https://en.wikipedia.org/wiki/semantic\u primes）构建的，以及[组合]的显式规则（https://fr.wikipedia.org/wiki/combinatoire_s%c3%a9mantique）。
词典中单词的含义是常规的，但不是任意的，因为它们遵循一组约束条件：
-词典中不能存在每个含义，并且不能通过组合来表达此含义单词的定义是在系统（范式）中定义的，范式必须是概念中最广泛的一种。
一个在范式中定义的词是由3个更抽象的词构成的，单词必须包含这些含义。法语和英语中的定义和同义词很快就会出现。
ieml的语义不是一种逻辑描述，不能归结为对世界状态的描述。至少只能有一个句子，而且只能用描述性的表示。
r/>python setup.py
```
词典有自己的语法和原语。字典是按层组织的，从0（最抽象）到7（最具体）。除原语外的词是由较低层的词构成的。
ieml字典的最新版本在实例化时自动下载并安装：
``python
来自ieml.dictionary import dictionary
dic=dictionary（）
dic.index
````
这将返回字典中定义的所有单词的列表。
字典的术语上定义了一个顺序，d.index是单词在这个顺序中的位置。
单词。
所有的关系都是从术语定义中自动计算出来的。
``python
t.relations.neighbors
```
这将返回术语t的所有邻居及其共享的关系类型的列表。
=在一个布尔值的数组中返回一个稠密的布尔数组，如果术语号“i”和“项数”之间存在一个关系，则“m，i，j”是真的，T1.index]
```
带字符串参数的“term”函数调用字典解析器，如果字符串是术语（在字典中定义的）的有效IEML表达式，则返回术语。
usl有五种不同的类型：
-word：基本意义成分，您可以在[ieml字典]（https://dictionary.ieml.io）中找到所有定义的单词。主题：一个主题聚合成一个词根和一个弯曲的词组，一个主题代表一个主题，一个过程。
-事实：事实是一个主题的语法树，事实象征着一个事件，一个描述。
-理论：理论是一个事实树，它代表了一组句子，通过因果、时间、逻辑链接等连接在一起。
-文本：文本是一组主题、事实和理论。
您可以使用带有字符串参数的函数，使用带有一个字符串参数的“函数”。[BR/> w =单词（WA.'）T0=主题（[W]）T1=主题（[WA.'，'E'））（根= [ T.U.S.U.D.U'，' T.U.B.U'- ' ]，
屈折= [ B.I.- ]）
F=事实（[（T2，T0，T1）]
T=文本（[T0，T1，T2），与构造函数：iBR/'Python BR/>从IEML.语法导入词，主题f]）
```
对于任何世界大学生领导者研讨会，您都可以访问单词、主题、事实，通过访问专用属性在usl中定义的理论和文本：
`` python
t.words
t.topics
t.facts
t.theory
t.texts
````
每个属性都返回一组特定类型的usl。
字典矩阵：
``python
from ieml.grammar.distance import dword
from ieml.grammar.tools import random-usl
u0=random-usl（topic）
u1=random-usl（text）
/>###USL的集合
对于USL的列表，可以从每个USL计算相对顺序的平方矩阵：
`` python
来自ieml.distance.sort import square\u order\u matrix
USL\u list=[random\u usl（），用于范围（100）]
i=20
有序USL=[USL\u list[k]用于m中的k[i，：]]
```
有序USL是集合中从USL编号I到最远USL编号I的USL顺序列表。
此方法使用字典中单词之间的语义距离。
[！[构建状态]（https://travis-ci.org/iemldev/ieml.svg？branch=master）]（https://travis ci.org/iemldev/ieml）
ieml是一种人工的“自然”语言，具有以下特性：
*ieml表示之间的所有语义关系都是可计算的。
*每个含义只有一个ieml表示，每个ieml表示只有一个含义。
语法]（https://pierrelevyblog.files.wordpress.com/2014/01/00-grammaire-ieml1.pdf“IEML语法”）由一个[字典]（https://intlekt.io/？注释=I%3A“IEML字典”）的基本含义单位-单词-和语法规则，将它们组合成主题，然后是事实，最后，理论。
这门语言是法国哲学家皮埃尔·利维（https://en.wikipedia.org/wiki/pierre-l%c3%a9vy）发明的。
ieml语法。
-词汇量不足：ieml中的每个命题都是由大约3500个单词构成的，在词典中定义了它们的聚合关系。
语义相似性：我们可以自动计算IEML命题之间的语义关系。
作为中介语：IEML不使用任何现有的自然语言作为其核心语义。但是可以说的一切都可以用ieml来描述。
-本体论的交互性：每个ieml表达式都有一个唯一的url。
只有一个有效的表示。
-多义词：所有ieml表达式都是由语义原语（字典）和有意义的复合运算符（语法）构建的。词典不是一词多义的，算子是不公正的，其结果命题不能归结为其成分。因此，在ieml中没有多义词。
从这里开始，我们在ieml中有能指和所指之间的双射。
ieml是语义空间的离散坐标系。IEML表达式称为统一语义定位符（USL）。
IEML是从一组称为字典的[语义素数]（https://en.wikipedia.org/wiki/semantic\u primes）构建的，以及[组合]的显式规则（https://fr.wikipedia.org/wiki/combinatoire_s%c3%a9mantique）。
词典中单词的含义是常规的，但不是任意的，因为它们遵循一组约束条件：
-词典中不能存在每个含义，并且不能通过组合来表达此含义单词的定义是在系统（范式）中定义的，范式必须是概念中最广泛的一种。
一个在范式中定义的词是由3个更抽象的词构成的，单词必须包含这些含义。法语和英语中的定义和同义词很快就会出现。
ieml的语义不是一种逻辑描述，不能归结为对世界状态的描述。至少只能有一个句子，而且只能用描述性的表示。
r/>python setup.py
```
词典有自己的语法和原语。字典是按层组织的，从0（最抽象）到7（最具体）。除原语外的词是由较低层的词构成的。
ieml字典的最新版本在实例化时自动下载并安装：
``python
来自ieml.dictionary import dictionary
dic=dictionary（）
dic.index
````
这将返回字典中定义的所有单词的列表。
字典的术语上定义了一个顺序，d.index是单词在这个顺序中的位置。
单词。
所有的关系都是从术语定义中自动计算出来的。
``python
t.relations.neighbors
```
这将返回术语t的所有邻居及其共享的关系类型的列表。
=在一个布尔值的数组中返回一个稠密的布尔数组，如果术语号“i”和“项数”之间存在一个关系，则“m，i，j”是真的，T1.index]
```
带字符串参数的“term”函数调用字典解析器，如果字符串是术语（在字典中定义的）的有效IEML表达式，则返回术语。
usl有五种不同的类型：
-word：基本意义成分，您可以在[ieml字典]（https://dictionary.ieml.io）中找到所有定义的单词。主题：一个主题聚合成一个词根和一个弯曲的词组，一个主题代表一个主题，一个过程。
-事实：事实是一个主题的语法树，事实象征着一个事件，一个描述。
-理论：理论是一个事实树，它代表了一组句子，通过因果、时间、逻辑链接等连接在一起。
-文本：文本是一组主题、事实和理论。
您可以使用带有字符串参数的函数，使用带有一个字符串参数的“函数”。[BR/> w =单词（WA.'）T0=主题（[W]）T1=主题（[WA.'，'E'））（根= [ T.U.S.U.D.U'，' T.U.B.U'- ' ]，
屈折= [ B.I.- ]）
F=事实（[（T2，T0，T1）]
T=文本（[T0，T1，T2），与构造函数：iBR/'Python BR/>从IEML.语法导入词，主题f]）
```
对于任何世界大学生领导者研讨会，您都可以访问单词、主题、事实，通过访问专用属性在usl中定义的理论和文本：
`` python
t.words
t.topics
t.facts
t.theory
t.texts
````
每个属性都返回一组特定类型的usl。
字典矩阵：
``python
from ieml.grammar.distance import dword
from ieml.grammar.tools import random-usl
u0=random-usl（topic）
u1=random-usl（text）
/>###USL的集合
对于USL的列表，可以从每个USL计算相对顺序的平方矩阵：
`` python
来自ieml.distance.sort import square\u order\u matrix
USL\u list=[random\u usl（），用于范围（100）]
i=20
有序USL=[USL\u list[k]用于m中的k[i，：]]
```
有序USL是集合中从USL编号I到最远USL编号I的USL顺序列表。
此方法使用字典中单词之间的语义距离。
欢迎加入QQ群-->： 979659372
