微软识别器文本概览

微软的Microsoft.Recognizers.Text提供了一套强大的实体识别与解析功能，能够处理多种语言中的数字、单位和日期/时间表达。它全面支持中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、土耳其语、印地语和荷兰语。部分支持日语、韩语、阿拉伯语和瑞典语，并计划进一步扩展。

利用该项目

Microsoft.Recognizers.Text为LUIS：语言理解智能服务、Power Virtual Agents以及微软机器人框架提供了预建的实体识别能力，同时也是Text Analytics认知服务中基础实体类型的基础，并可作为独立包（用于基本类和其他不同实体的识别器）使用。

目前，Microsoft.Recognizers.Text针对以下四个平台开发：

• C#/.NET - NuGet包可在：https://www.nuget.org/profiles/Recognizers.Text获取
• JavaScript/TypeScript - NPM包可在：https://www.npmjs.com/~recognizers.text找到
• Python - PyPI包可在：https://pypi.org/user/recognizers-text/（阿尔法版本）
• Java （正在开发中）

非常欢迎贡献！无论是对现有支持的语言进行修复和扩展，还是向新的语言迈进。 特别是对于日语、韩语、阿拉伯语、瑞典语等！更多信息请见下方。

.NET是主要的包版本，随着时间推移，贡献会传播到其他平台。

引用Recognizers-Text项目

如果您在学术作品中使用了这些识别器，请按以下方式引用（您可以省略版本号或更新为特定版本，如果相关）：

@software{soft:recognizers-text,
  author    = {Wenhao Huang and Zijia Lin and Chris McConnell and Börje F. Karlsson},
  title     = {Recognizers-Text: Recognition and resolution of numbers, units, and date/time entities expressed across multiple languages},
  month     = jul,
  year      = 2017,
  publisher = {Zenodo},
  version   = {1.0.0},
  doi       = {10.5281/zenodo.6860598},
  url       = {https://doi.org/10.5281/zenodo.6860598}
}

如果适合您的模板，可以自由地将"@software"更改为"@misc"。

帮助

如果有任何问题，尽管创建一个议题，即使它并非实际的错误。议题也是合适的讨论论坛。

贡献

本项目采纳了微软开源行为准则。更多详情请看行为准则常见问题或通过opencode@microsoft.com联系以提出额外的问题或评论。

贡献的良好起点包括：

• 开放的问题列表（尤其是标记为“帮助需要”的那些）；
• 暂时标记为“不支持”的JSON规范案例(Specs)；
• 翻译英文的JSON测试规范案例，但目标语言中尚不存在。

下面的链接描述了项目结构，并提供了概述和如何贡献的提示（虽然某些步骤可能稍显过时）。谢谢！

• 概述和语言资源
• 实施语言特有的行为
• 测试规范和一般测试

不同文化背景下的支持实体

下表总结了当前支持的实体。通常，对英语的支持更为完整。主要平台为.NET（如表格所示），支持应逐渐扩展到其他平台。

实体类型	EN	ZH-CN	NL	FR	DE	IT	JA	KO	PT	ES
数字（基数）	√	√	√	√	√	√	√	√	√	√
序数	√	√	√	√	√	√	√	√	√	√
百分比	√	√	√	√	√	√	√	√	√	√
数字范围	√	√	√	√	√	√	PA/EO	√	√	√
单位 - 年龄	√	√	√	√	√	√	√	PA/EO	√	√
单位 - 货币	√	√	√	√	√	√	√	PA/EO	√	√
单位 - 尺寸	√	√	√	√	√	√	√	PA/EO	√	√
单位 - 温度	√	√	√	√	√	√	√	√	√	√
选择 - 布尔	√	√	√	√	√	√	√	SO	√	√
序列 - 电子邮件	G	G*	G	G	G	G	G*	G*	G	G
序列 - GUID	G	G	G	G	G	G	G	G	G	G
序列 - 社交媒体	G	G	G	G	G	G	G	G	G	G
序列 - IP地址	G	G	G	G	G	G	G	G	G	G
序列 - 电话号码	G	G	G	G	G	G	G	G	G	G
序列 - URL	G	G*	G	G	G	G	G*	G*	G	G
日期/时间（子类型）	√	√	√	√	√	√	√	SO	√	√

其他文化和支持情况也在表中列出，符号说明如下：

• G: 通用实体，非语言特有（不支持Unicode顶级域名）；
• EO: 仅抽取（解析/规范化待完成）；
• PA: 部分支持（类型未完全支持）；
• SO: 只有规范（测试规范覆盖良好，但支持待完成）；
• SP: 部分规范；
• SI: 非常初步的规范（通常是新语言支持的开始）。