Getting Started!

How to Install parstdex

pip install parstdex

How to use

from parstdex import Parstdex

model = Parstdex()

sentence = """ماریا شنبه عصر راس ساعت ۱۷ و بیست و سه دقیقه به نادیا زنگ زد اما تا سه روز بعد در تاریخ ۱۸ شهریور سال ۱۳۷۸ ه.ش. خبری از نادیا نشد"""

Extract spans

model.extract_span(sentence)

output :

{"datetime": [[6, 47], [68, 78], [82, 111]], "date": [[6, 10], [68, 78], [82, 111]], "time": [[11, 47]]}

Extract markers

model.extract_marker(sentence)

{
   "datetime":{
      "[6, 47]":"شنبه عصر راس ساعت ۱۷ و بیست و سه دقیقه به",
      "[68, 78]":"سه روز بعد",
      "[82, 111]":"تاریخ ۱۸ شهریور سال ۱۳۷۸ ه.ش."
   },
   "date":{
      "[6, 10]":"شنبه",
      "[68, 78]":"سه روز بعد",
      "[82, 111]":"تاریخ ۱۸ شهریور سال ۱۳۷۸ ه.ش."
   },
   "time":{
      "[11, 47]":"عصر راس ساعت ۱۷ و بیست و سه دقیقه به"
   }
}

Extract TimeML scheme

model.extract_time_ml(sentence)

output :

ماریا
<TIMEX3 type='DATE'>
شنبه
</TIMEX3>
<TIMEX3 type='TIME'>
عصر راس ساعت ۱۷ و بیست و سه دقیقه به
</TIMEX3>
 نادیا زنگ زد اما
<TIMEX3 type='DURATION'>
تا سه روز بعد
</TIMEX3>
 در
<TIMEX3 type='DATE'>
تاریخ ۱۸ شهریور سال ۱۳۷۸ ه.ش.
</TIMEX3>
خبری از نادیا نشد

Extract markers’ NER tags (DATTIM)

model.extract_ner(sentence, mode="dattim")

output :

[("ماریا", "O"),
 ("شنبه", "B-DAT"),
 ("عصر", "B-TIM"),
 ("راس", "I-TIM"),
 ("ساعت", "I-TIM"),
 ("۱۷", "I-TIM"),
 ("و", "I-TIM"),
 ("بیست", "I-TIM"),
 ("و", "I-TIM"),
 ("سه", "I-TIM"),
 ("دقیقه", "I-TIM"),
 ("به", "I-TIM"),
 ("نادیا", "O"),
 ("زنگ", "O"),
 ("زد", "O"),
 ("اما", "O"),
 ("تا", "B-DAT"),
 ("سه", "I-DAT"),
 ("روز", "I-DAT"),
 ("بعد", "I-DAT"),
 ("در", "I-DAT"),
 ("تاریخ", "I-DAT"),
 ("۱۸", "I-DAT"),
 ("شهریور", "I-DAT"),
 ("سال", "I-DAT"),
 ("۱۳۷۸", "I-DAT"),
 ("ه", "I-DAT"),
 (".", "I-DAT"),
 ("ش", "I-DAT"),
 (".", "I-DAT"),
 ("خبری", "O"),
 ("از", "O"),
 ("نادیا", "O"),
 ("نشد", "O")]

Extract markers’ NER tags (TMP)

model.extract_ner(sentence, mode="tmp")

output :

[("ماریا", "O"),
("شنبه", "B-TMP"),
("عصر", "I-TMP"),
("راس", "I-TMP"),
("ساعت", "I-TMP"),
("۱۷", "I-TMP"),
("و", "I-TMP"),
("بیست", "I-TMP"),
("و", "I-TMP"),
("سه", "I-TMP"),
("دقیقه", "I-TMP"),
("به", "I-TMP"),
("نادیا", "O"),
("زنگ", "O"),
("زد", "O"),
("اما", "O"),
("تا", "B-TMP"),
("سه", "I-TMP"),
("روز", "I-TMP"),
("بعد", "I-TMP"),
("در", "I-TMP"),
("تاریخ", "I-TMP"),
("۱۸", "I-TMP"),
("شهریور", "I-TMP"),
("سال", "I-TMP"),
("۱۳۷۸", "I-TMP"),
("ه", "I-TMP"),
(".", "I-TMP"),
("ش", "I-TMP"),
(".", "I-TMP"),
("خبری", "O"),
("از", "O"),
("نادیا", "O"),
("نشد", "O")]