Kashgari

Kashgari

Descripción general | Rendimiento | Instalación | Documentación | Que contribuye

???? Lanzamos la versión 2.0.0 con soporte TF2. ????

Si usa este proyecto para su investigación, cite:

 @misc{Kashgari
  author = {Eliyar Eziz},
  title = {Kashgari},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {url{https://github.com/BrikerMan/Kashgari}}
}

Descripción general

Kashgari es un marco de aprendizaje de transferencia NLP simple y potente, construir un modelo de última generación en 5 minutos para el reconocimiento de entidades nombrado (NER), el etiquetado de parte del voz (POS) y las tareas de clasificación de texto.

• Amigable para los humanos . El código de Kashgari es directo, bien documentado y probado, lo que hace que sea muy fácil de entender y modificar.
• Potente y simple . Kashgari le permite aplicar modelos de procesamiento del lenguaje natural (PNL) de última generación a su texto, como el reconocimiento de entidad nombrado (NER), el etiquetado de parte del voz (POS) y la clasificación.
• Aprendizaje de transferencia incorporado . Los modelos de incrustación de Bert y Word2Vec de Kashgari incorporados, lo que hace que sea muy simple transferir el aprendizaje para entrenar a su modelo.
• Completamente escalable . Kashgari proporciona un entorno simple, rápido y escalable para la experimentación rápida, entrena sus modelos y experimenta con nuevos enfoques que utilizan diferentes integridades y estructura de modelos.
• Producción lista . Kashgari podría exportar el modelo con formato SavedModel para el servicio TensorFlow, podría implementarlo directamente en la nube.

Nuestro objetivo

• Los usuarios académicos son más fáciles de experimentar para demostrar su hipótesis sin codificar desde cero.
• Los principiantes de PNL aprenden cómo construir un proyecto NLP con calidad de código de nivel de producción.
• Los desarrolladores de NLP crean un modelo de clasificación/etiquetado de nivel de producción en cuestión de minutos.

Actuación

Bienvenido a agregar informe de rendimiento.

Tarea	Idioma	Conjunto de datos	Puntaje
Reconocimiento de entidad nombrado	Chino	Corpus diario de la gente	95.57
Clasificación de texto	Chino	Smp2018ecdtcorpus	94.57

Instalación

El proyecto se basa en Python 3.6+, porque es 2019 y el tipo de sugerencias es genial.

Backend	Versión de Kashgari	descomunal
TensorFlow 2.2+	pip install 'kashgari>=2.0.2'	Tf2.10+ con tf.keras
TensorFlow 1.14+	pip install 'kashgari>=1.0.0,<2.0.0'	Tf1.14+ con tf.keras
Keras	pip install 'kashgari<1.0.0'	Versión de Keras

También debe instalar tensorflow_addons con tensorflow.

Versión de tensorflow	versión tensorflow_addons
TensorFlow 2.1	pip install tensorflow_addons==0.9.1
TensorFlow 2.2	pip install tensorflow_addons==0.11.2
Tensorflow 2.3, 2.4, 2.5	pip install tensorflow_addons==0.13.0

Tutoriales

Aquí hay un conjunto de tutoriales rápidos para comenzar con la biblioteca:

• Tutorial 1: Clasificación de texto
• Tutorial 2: etiquetado de texto
• Tutorial 3: SEQ2SEQ
• Tutorial 4: INCARGA DE LENGUA

También hay artículos y publicaciones que ilustran cómo usar Kashgari:

• 基于 Kashgari 2 的短文本分类: 数据分析和预处理
• 基于 Kashgari 2 的短文本分类: 训练模型和调优
• 基于 Kashgari 2 的短文本分类: 模型部署
• 15 分钟搭建中文文本分类模型
• 基于 Bert 的中文命名实体识别（ ner)
• Bert/Ernie 文本分类和部署
• 五分钟搭建一个基于 bert 的 ner 模型
• Clasificación de texto de clase múltiple con Kashgari en 15 minutos

Ejemplos:

• Traducción del automóvil neuronal con SEQ2SEQ

Colaboradores

Gracias a estas maravillosas personas. Y hay muchas maneras de involucrarse. Comience con las directrices de contribuyentes y luego verifique estos problemas abiertos para tareas específicas.