update test and replace_aug

TODO.txt

@@ -1,5 +1,4 @@
 - 标注数据集 docker 镜像维护
-- 数据增强 - 实体替换
 - 数据增强 - 随机替换非关键字符
 - 数据增强 - 其他
 - 时间解析

jionlp/textaug/replace_entity.py

@@ -98,8 +98,11 @@ def _augment_one(self, text, entities):
             if self.random.random() < self.replace_ratio:
                 # 将该实体从词典中随机选择一个做替换
                 orig_entity = self.random.choice(entities)
-                new_entity_text = self.random.choice(
-                    list(self.entities_dict[orig_entity['type']].keys()))
+
+                candidate_list = list(self.entities_dict[orig_entity['type']].keys())
+                if len(candidate_list) == 0:
+                    continue
+                new_entity_text = self.random.choice(candidate_list)
 
                 orig_len = len(orig_entity['text'])
                 new_len = len(new_entity_text)

test/test_main.py

@@ -0,0 +1,19 @@
+
+import unittest
+
+from test_text_aug import TestTextAug
+
+
+if __name__ == '__main__':
+
+    suite = unittest.TestSuite()
+    test_text_aug = [TestTextAug('test_ReplaceEntity')]
+    suite.addTests(test_text_aug)
+
+
+
+    runner = unittest.TextTestRunner(verbosity=1)
+    runner.run(suite)
+
+
+

test/test_text_aug.py

@@ -0,0 +1,51 @@
+
+
+import unittest
+
+import jionlp as jio
+
+
+class TestTextAug(unittest.TestCase):
+    """ 测试文本数据增强工具 """
+
+    def test_ReplaceEntity(self):
+        """ test class ReplaceEntity """
+
+        # 准备的词典
+        entities_dict = {
+            "Person": {"马成宇": 1},
+            "Company": {"百度": 4, "国力教育公司": 1},
+            "Organization": {"延平区人民法院": 1}
+        }
+        # 输入的序列标注样本
+        text = '腾讯致力于解决冲突，阿里巴巴致力于玩。小马爱玩。'
+        entities = [{'type': 'Company', 'text': '腾讯', 'offset': (0, 2)},
+                    {'type': 'Company', 'text': '阿里巴巴', 'offset': (10, 14)},
+                    {'type': 'Person', 'text': '小马', 'offset': (19, 21)}]
+        replace_entity = jio.ReplaceEntity(entities_dict)
+        texts, entities = replace_entity(text, entities)
+
+        # 预期结果
+        standard_texts = ['腾讯致力于解决冲突，国力教育公司致力于玩。小马爱玩。',
+                          '百度致力于解决冲突，阿里巴巴致力于玩。小马爱玩。',
+                          '腾讯致力于解决冲突，阿里巴巴致力于玩。马成宇爱玩。']
+        standard_entities = [
+            [{'type': 'Company', 'text': '腾讯', 'offset': (0, 2)},
+             {'text': '国力教育公司', 'type': 'Company', 'offset': [10, 16]},
+             {'text': '小马', 'type': 'Person', 'offset': (21, 23)}],
+            [{'text': '百度', 'type': 'Company', 'offset': [0, 2]},
+             {'text': '阿里巴巴', 'type': 'Company', 'offset': (10, 14)},
+             {'text': '小马', 'type': 'Person', 'offset': (19, 21)}],
+            [{'type': 'Company', 'text': '腾讯', 'offset': (0, 2)},
+             {'type': 'Company', 'text': '阿里巴巴', 'offset': (10, 14)},
+             {'text': '马成宇', 'type': 'Person', 'offset': [19, 22]}]]
+
+        self.assertEqual(texts, standard_texts)
+        self.assertEqual(entities, standard_entities)
+
+    # def test_
+
+
+
+
+