Kashgari

Kashgari

Ikhtisar | Kinerja | Instalasi | Dokumentasi | Berkontribusi

??? Kami merilis versi 2.0.0 dengan dukungan TF2. ???

Jika Anda menggunakan proyek ini untuk penelitian Anda, silakan kutip:

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

Ringkasan

Kashgari adalah kerangka kerja pembelajaran transfer NLP yang sederhana dan kuat, membangun model canggih dalam 5 menit untuk pengenalan entitas yang disebutkan (NER), penandaan bagian-dari-pidato (POS), dan tugas klasifikasi teks.

• Ramah manusia . Kode Kashgari mudah, didokumentasikan dengan baik dan diuji, yang membuatnya sangat mudah dimengerti dan dimodifikasi.
• Kuat dan sederhana . Kashgari memungkinkan Anda untuk menerapkan model pemrosesan bahasa alami canggih (NLP) ke teks Anda, seperti Named Entity Recognition (NER), Part-of-Speech Tagging (POS) dan klasifikasi.
• Pembelajaran transfer bawaan . Kashgari Built-in Pre-Latih Bert dan Model Embedding Word2Vec, yang membuatnya sangat mudah untuk mentransfer pembelajaran untuk melatih model Anda.
• Sepenuhnya dapat diskalakan . Kashgari menyediakan lingkungan yang sederhana, cepat, dan dapat diskalakan untuk eksperimen cepat, melatih model Anda dan bereksperimen dengan pendekatan baru menggunakan berbagai embeddings dan struktur model.
• Produksi siap . Kashgari dapat mengekspor model dengan format SavedModel untuk porsi tensorflow, Anda dapat secara langsung menggunakannya di cloud.

Tujuan kami

• Pengguna akademik lebih mudah eksperimen untuk membuktikan hipotesis mereka tanpa mengkode dari awal.
• Pemula NLP belajar cara membangun proyek NLP dengan kualitas kode tingkat produksi.
• Pengembang NLP membangun model klasifikasi/pelabelan tingkat produksi dalam hitungan menit.

Pertunjukan

Selamat datang di Laporan Tambah Kinerja.

Tugas	Bahasa	Dataset	Skor
Pengakuan entitas yang disebutkan	Cina	Corpus ner harian orang	95.57
Klasifikasi Teks	Cina	SMP2018ECDTCORPUS	94.57

Instalasi

Proyek ini didasarkan pada Python 3.6+, karena ini adalah 2019 dan tipe mengisyaratkan keren.

Backend	Versi Kashgari	desc
TensorFlow 2.2+	pip install 'kashgari>=2.0.2'	Tf2.10+ dengan tf.keras
TensorFlow 1.14+	pip install 'kashgari>=1.0.0,<2.0.0'	Tf1.14+ dengan tf.keras
Keras	pip install 'kashgari<1.0.0'	Versi Keras

Anda juga perlu menginstal tensorflow_addons dengan TensorFlow.

Versi TensorFlow	Versi 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

Tutorial

Berikut ini adalah satu set tutorial cepat untuk memulai dengan perpustakaan:

• Tutorial 1: Klasifikasi Teks
• Tutorial 2: Pelabelan Teks
• Tutorial 3: SEQ2SEQ
• Tutorial 4: Tanah Bahasa

Ada juga artikel dan posting yang menggambarkan cara menggunakan 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
• Klasifikasi teks multi-kelas dengan Kashgari dalam 15 menit

Contoh:

• Terjemahan mesin saraf dengan seq2seq

Kontributor

Terima kasih kepada orang -orang yang luar biasa ini. Dan ada banyak cara untuk terlibat. Mulailah dengan pedoman kontributor dan kemudian periksa masalah terbuka ini untuk tugas -tugas tertentu.