spacy streamlit

Spacy-Streamlit: Blok bangunan spacy untuk aplikasi streamlit

Paket ini berisi utilitas untuk memvisualisasikan model spacy dan membangun aplikasi bertenaga spacy interaktif dengan streamlit. Ini mencakup berbagai blok bangunan yang dapat Anda gunakan di aplikasi streamlit Anda sendiri, seperti visualisis untuk dependensi sintaksis , entitas bernama , klasifikasi teks , kesamaan semantik melalui vektor kata, atribut token, dan banyak lagi.

QuickStart

Anda dapat menginstal spacy-streamlit dari PIP:

pip install spacy-streamlit

Paket termasuk blok bangunan yang memanggil Streamlit dan mengatur semua elemen yang diperlukan untuk Anda. Anda dapat menggunakan masing -masing komponen secara langsung dan menggabungkannya dengan elemen lain di aplikasi Anda, atau memanggil fungsi visualize untuk menyematkan keseluruhan visualisator.

Unduh model bahasa Inggris dari Spacy untuk memulai.

python -m spacy download en_core_web_sm

Kemudian masukkan kode contoh berikut dalam file.

 # streamlit_app.py
import spacy_streamlit

models = [ "en_core_web_sm" , "en_core_web_md" ]
default_text = "Sundar Pichai is the CEO of Google."
spacy_streamlit . visualize ( models , default_text )

Anda kemudian dapat menjalankan aplikasi Anda dengan streamlit run streamlit_app.py . Aplikasi harus muncul di browser web Anda. ?

? Contoh: 01_out-of-the-box.py

Gunakan visualisasi tertanam dengan pengaturan khusus di luar kotak.

streamlit run https://raw.githubusercontent.com/explosion/spacy-streamlit/master/examples/01_out-of-the-box.py

? Contoh: 02_custom.py

Gunakan komponen individual di aplikasi Anda yang ada.

streamlit run https://raw.githubusercontent.com/explosion/spacy-streamlit/master/examples/02_custom.py

? API

Komponen Visualisator

Fungsi -fungsi ini dapat digunakan di aplikasi streamlit Anda. Mereka memanggil ke streamlit di bawah kap dan mengatur elemen yang diperlukan.

fungsi visualize

Embed visualizer penuh dengan komponen yang dipilih.

 import spacy_streamlit

models = [ "en_core_web_sm" , "/path/to/model" ]
default_text = "Sundar Pichai is the CEO of Google."
visualizers = [ "ner" , "textcat" ]
spacy_streamlit . visualize ( models , default_text , visualizers )

Argumen	Jenis	Keterangan
models	Daftar [str] / dict [str, str]	Nama model spacy yang dapat dimuat (jalur atau nama paket). Model menjadi dapat dipilih melalui dropdown. Dapat berupa daftar nama atau nama yang dipetakan ke deskripsi untuk ditampilkan di dropdown.
default_text	str	Teks default untuk dianalisis pada beban. Default ke "" .
default_model	Opsional [str]	Nama opsional model default. Jika tidak diatur, model pertama dalam daftar models digunakan.
visualizers	Daftar [str]	Nama visualis untuk ditampilkan. Default ke ["parser", "ner", "textcat", "similarity", "tokens"] .
ner_labels	Opsional [Daftar [str]]	Label ner untuk dimasukkan. Jika tidak diatur, semua label yang ada di komponen pipa "ner" akan digunakan.
ner_attrs	Daftar [str]	Atribut span yang ditunjukkan pada tabel entitas yang disebutkan. Lihat visualizer.py untuk default.
token_attrs	Daftar [str]	Atribut token untuk ditampilkan di token visualzer. Lihat visualizer.py untuk default.
similarity_texts	Tuple [str, str]	Teks default untuk dibandingkan dalam kesamaan visualisasi. Default ke ("apple", "orange") .
show_json_doc	bool	Tampilkan tombol untuk beralih representasi JSON dari Doc . Default ke True .
show_meta	bool	Tampilkan tombol untuk beralih meta.json dari pipa saat ini. Default ke True .
show_config	bool	Tampilkan tombol untuk beralih config.cfg dari pipa saat ini. Default ke True .
show_visualizer_select	bool	Tampilkan dropdown sidebar untuk memilih visualiser untuk ditampilkan (berdasarkan visualiser yang diaktifkan). Default ke False .
sidebar_title	Opsional [str]	Judul ditampilkan di bilah sisi. Default untuk None .
sidebar_description	Opsional [str]	Deskripsi ditampilkan di bilah sisi. Menerima teks yang diformat penurunan harga.
show_logo	bool	Tunjukkan logo Spacy di bilah samping. Default ke True .
color	Opsional [str]	Eksperimental: Warna primer untuk digunakan untuk beberapa elemen UI utama ( None untuk menonaktifkan hack). Default ke "#09A3D5" .
get_default_text	Callable [[bahasa], str]	Callable opsional yang mengambil objek nlp yang saat ini dimuat dan mengembalikan teks default. Dapat digunakan untuk memberikan teks default khusus bahasa. Jika fungsi None mengembalikan, nilai default_text digunakan, jika tersedia. Default untuk None .

fungsi visualize_parser

Visualisasikan ketergantungan parse dan tag bagian-of-speech menggunakan visualisator displacy Spacy.

 import spacy
from spacy_streamlit import visualize_parser

nlp = spacy . load ( "en_core_web_sm" )
doc = nlp ( "This is a text" )
visualize_parser ( doc )

Argumen	Jenis	Keterangan
doc	Doc	Obyek Doc Spacy untuk divisualisasikan.
Kata kunci saja
title	Opsional [str]	Judul blok visualisasi.
key	Opsional [str]	Kunci yang digunakan untuk komponen streamlit untuk memilih label.
manual	bool	Bendera yang menandakan apakah argumen DOC adalah objek DOC atau daftar dikt yang berisi informasi parse.
displacy_options	Opsional [dikt]	Kamus opsi yang akan diteruskan ke metode Render Deplacy untuk menghasilkan HTML yang akan diberikan. Lihat: https://spacy.io/api/top-vevel#options-dep

fungsi visualize_ner

Visualisasikan entitas yang disebutkan dalam Doc menggunakan Visualisator displacy Spacy.

 import spacy
from spacy_streamlit import visualize_ner

nlp = spacy . load ( "en_core_web_sm" )
doc = nlp ( "Sundar Pichai is the CEO of Google." )
visualize_ner ( doc , labels = nlp . get_pipe ( "ner" ). labels )

Argumen	Jenis	Keterangan
doc	Doc	Obyek Doc Spacy untuk divisualisasikan.
Kata kunci saja
labels	Urutan [str]	Label untuk ditampilkan di dropdown label.
attrs	Daftar [str]	Atribut span untuk ditampilkan di tabel entitas.
show_table	bool	Apakah akan menunjukkan tabel entitas dan atributnya. Default ke True .
title	Opsional [str]	Judul blok visualisasi.
colors	Dict [str, str]	Kamus warna untuk rentang entitas untuk divisualisasikan, dengan kunci sebagai label dan warna yang sesuai sebagai nilainya. Argumen ini akan segera ditinggalkan. Di masa depan Warna Arg perlu dilewati di displacy_options Arg dengan "warna" kunci.)
key	Opsional [str]	Kunci yang digunakan untuk komponen streamlit untuk memilih label.
manual	bool	Bendera yang menandakan apakah argumen dokumen adalah objek DOC atau daftar dikt yang berisi rentang entitas
informasi.
displacy_options	Opsional [dikt]	Kamus opsi yang akan diteruskan ke metode Render Deplacy untuk menghasilkan HTML yang akan diberikan. Lihat https://spacy.io/api/top-vevel#displacy_options-ent.

fungsi visualize_spans

Visualisasikan rentang dalam Doc menggunakan Spacy's displacy Visualizer.

 import spacy
from spacy_streamlit import visualize_spans

nlp = spacy . load ( "en_core_web_sm" )
doc = nlp ( "Sundar Pichai is the CEO of Google." )
span = doc [ 4 : 7 ]  # CEO of Google
span . label_ = "CEO"
doc . spans [ "job_role" ] = [ span ]
visualize_spans ( doc , spans_key = "job_role" , displacy_options = { "colors" : { "CEO" : "#09a3d5" }})

Argumen	Jenis	Keterangan
doc	Doc	Obyek Doc Spacy untuk divisualisasikan.
Kata kunci saja
spans_key	Urutan [str]	Yang mencakup kunci untuk membuat rentang dari. Default adalah "SC".
attrs	Daftar [str]	Atribut pada rentang entitas yang akan diberi label. Atribut ditampilkan hanya ketika argumen show_table benar.
show_table	bool	Apakah akan menunjukkan tabel bentang dan atribut mereka. Default ke True .
title	Opsional [str]	Judul blok visualisasi.
manual	bool	Bendera yang menandakan apakah argumen DOC adalah objek DOC atau daftar dikt yang berisi informasi rentang entitas.
displacy_options	Opsional [dikt]	Kamus opsi yang akan diteruskan ke metode Render Deplacy untuk menghasilkan HTML yang akan diberikan. Lihat https://spacy.io/api/top-vevel#displacy_options-span.

fungsi visualize_textcat

Visualisasikan kategori teks yang diprediksi oleh classifier teks terlatih.

 import spacy
from spacy_streamlit import visualize_textcat

nlp = spacy . load ( "./my_textcat_model" )
doc = nlp ( "This is a text about a topic" )
visualize_textcat ( doc )

Argumen	Jenis	Keterangan
doc	Doc	Obyek Doc Spacy untuk divisualisasikan.
Kata kunci saja
title	Opsional [str]	Judul blok visualisasi.

visualize_similarity

Visualisasikan kesamaan semantik menggunakan vektor kata model. Akan menunjukkan peringatan jika tidak ada vektor yang ada dalam model.

 import spacy
from spacy_streamlit import visualize_similarity

nlp = spacy . load ( "en_core_web_lg" )
visualize_similarity ( nlp , ( "pizza" , "fries" ))

Argumen	Jenis	Keterangan
nlp	Language	Objek nlp yang dimuat dengan vektor.
default_texts	Tuple [str, str]	Teks default untuk dibandingkan dengan beban. Default ke ("apple", "orange") .
Kata kunci saja
threshold	mengambang	Ambang untuk apa yang dianggap "serupa". Jika skor kesamaan lebih besar dari ambang batas, hasilnya ditampilkan sebagai serupa. Default menjadi 0.5 .
title	Opsional [str]	Judul blok visualisasi.

fungsi visualize_tokens

Visualisasikan token dalam Doc dan atributnya.

 import spacy
from spacy_streamlit import visualize_tokens

nlp = spacy . load ( "en_core_web_sm" )
doc = nlp ( "This is a text" )
visualize_tokens ( doc , attrs = [ "text" , "pos_" , "dep_" , "ent_type_" ])

Argumen	Jenis	Keterangan
doc	Doc	Obyek Doc Spacy untuk divisualisasikan.
Kata kunci saja
attrs	Daftar [str]	Nama atribut token untuk digunakan. Lihat visualizer.py untuk default.
title	Opsional [str]	Judul blok visualisasi.

Pembantu yang di -cache

Pembantu ini berupaya untuk menyimpan model yang dimuat dan membuat objek Doc .

function process_text

Proses teks dengan model nama yang diberikan dan buat objek Doc . Panggilan ke helper load_model untuk memuat model.

 import streamlit as st
from spacy_streamlit import process_text

spacy_model = st . sidebar . selectbox ( "Model name" , [ "en_core_web_sm" , "en_core_web_md" ])
text = st . text_area ( "Text to analyze" , "This is a text" )
doc = process_text ( spacy_model , text )

Argumen	Jenis	Keterangan
model_name	str	Nama model spacy yang dapat dimuat. Bisa menjadi jalur atau nama paket.
text	str	Teks untuk diproses.
Kembali	Doc	Dokumen yang diproses.

fungsi load_model

Muat model spacy dari jalur atau paket yang diinstal dan kembalikan objek nlp yang dimuat.

 import streamlit as st
from spacy_streamlit import load_model

spacy_model = st . sidebar . selectbox ( "Model name" , [ "en_core_web_sm" , "en_core_web_md" ])
nlp = load_model ( spacy_model )

Argumen	Jenis	Keterangan
name	str	Nama model spacy yang dapat dimuat. Bisa menjadi jalur atau nama paket.
Kembali	Language	Objek nlp yang dimuat.