spacy streamlit

Spacy-Streamlit: Spacy Building Blocks สำหรับแอพ Streamlit

แพ็คเกจนี้มียูทิลิตี้สำหรับการแสดงรุ่น Spacy และการสร้างแอพที่ใช้พลังงาน Spacy แบบโต้ตอบด้วย Streamlit มันรวมถึงการสร้างบล็อกต่างๆที่คุณสามารถใช้ในแอพ Streamlit ของคุณเองเช่น Visualizers สำหรับ การพึ่งพาทางไวยากรณ์ , เอนทิตีที่มีชื่อ , การจำแนกข้อความ , ความคล้ายคลึงกันทางความหมาย ผ่านเวกเตอร์ Word, คุณลักษณะโทเค็นและอื่น ๆ

เร็ว

คุณสามารถติดตั้ง spacy-streamlit จาก PIP:

pip install spacy-streamlit

แพ็คเกจรวมถึง การสร้างบล็อก ที่เรียกเข้าสู่ Streamlit และตั้งค่าองค์ประกอบที่จำเป็นทั้งหมดสำหรับคุณ คุณสามารถใช้ส่วนประกอบแต่ละตัวได้โดยตรงและรวมเข้ากับองค์ประกอบอื่น ๆ ในแอพของคุณหรือเรียกฟังก์ชัน visualize เพื่อฝังภาพทั้งหมด

ดาวน์โหลดโมเดลภาษาอังกฤษจาก Spacy เพื่อเริ่มต้น

python -m spacy download en_core_web_sm

จากนั้นใส่รหัสตัวอย่างต่อไปนี้ในไฟล์

 # 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 )

จากนั้นคุณสามารถเรียกใช้แอปของคุณด้วย streamlit run streamlit_app.py แอพควรปรากฏขึ้นในเว็บเบราว์เซอร์ของคุณ -

- ตัวอย่าง: 01_out-of-the-box.py

ใช้ Visualizer ฝังตัวพร้อมการตั้งค่าที่กำหนดเองนอกกรอบ

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

- ตัวอย่าง: 02_custom.py

ใช้ส่วนประกอบแต่ละตัวในแอพที่มีอยู่ของคุณ

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

- API

ส่วนประกอบ Visualizer

ฟังก์ชั่นเหล่านี้สามารถใช้ในแอพ Streamlit ของคุณ พวกเขาเรียกร้องให้ streamlit ภายใต้ประทุนและตั้งค่าองค์ประกอบที่ต้องการ

ฟังก์ชั่น visualize

ฝังภาพเต็มด้วยส่วนประกอบที่เลือก

 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 )

การโต้แย้ง	พิมพ์	คำอธิบาย
models	รายการ [str] / dict [str, str]	ชื่อของโมเดล Spacy ที่โหลดได้ (เส้นทางหรือชื่อแพ็คเกจ) โมเดลสามารถเลือกได้ผ่านแบบเลื่อนลง สามารถเป็นรายชื่อชื่อหรือชื่อที่แมปกับคำอธิบายเพื่อแสดงในแบบเลื่อนลง
default_text	str	ข้อความเริ่มต้นเพื่อวิเคราะห์การโหลด ค่าเริ่มต้นเป็น ""
default_model	เสริม [STR]	ชื่อเสริมของรุ่นเริ่มต้น หากไม่ได้ตั้งค่าจะใช้รุ่นแรกในรายการของ models
visualizers	รายการ [STR]	ชื่อของ Visualizers ที่จะแสดง ค่าเริ่มต้นเป็น ["parser", "ner", "textcat", "similarity", "tokens"]
ner_labels	เป็นทางเลือก [รายการ [str]]	ป้ายกำกับที่จะรวม หากไม่ได้ตั้งค่าป้ายกำกับทั้งหมดที่มีอยู่ในส่วนประกอบท่อ "ner" จะถูกใช้
ner_attrs	รายการ [STR]	แอตทริบิวต์ Span ที่แสดงในตารางของเอนทิตีที่มีชื่อ ดู visualizer.py สำหรับค่าเริ่มต้น
token_attrs	รายการ [STR]	คุณลักษณะโทเค็นที่จะแสดงในโทเค็น Visualizer ดู visualizer.py สำหรับค่าเริ่มต้น
similarity_texts	tuple [str, str]	ข้อความเริ่มต้นที่จะเปรียบเทียบใน Visualizer ที่คล้ายคลึงกัน ค่าเริ่มต้นเป็น ("apple", "orange")
show_json_doc	บูล	ปุ่มแสดงเพื่อสลับการแสดง JSON ของ Doc ค่าเริ่มต้นเป็น True
show_meta	บูล	ปุ่มแสดงเพื่อสลับ meta.json ของไปป์ไลน์ปัจจุบัน ค่าเริ่มต้นเป็น True
show_config	บูล	ปุ่มแสดงเพื่อสลับ config.cfg ของไปป์ไลน์ปัจจุบัน ค่าเริ่มต้นเป็น True
show_visualizer_select	บูล	แสดง Dropdown แถบด้านข้างเพื่อเลือก Visualizers เพื่อแสดง (ขึ้นอยู่กับ Visualizers ที่เปิดใช้งาน) ค่าเริ่มต้นเป็น False
sidebar_title	เสริม [STR]	ชื่อที่แสดงในแถบด้านข้าง ค่าเริ่มต้นถึง None
sidebar_description	เสริม [STR]	คำอธิบายที่แสดงในแถบด้านข้าง ยอมรับข้อความที่จัดรูปแบบ Markdown
show_logo	บูล	แสดงโลโก้ Spacy ในแถบด้านข้าง ค่าเริ่มต้นเป็น True
color	เสริม [STR]	การทดลอง: สีหลักที่จะใช้สำหรับองค์ประกอบ UI หลักบางส่วน ( None การปิดการแฮ็ค) ค่าเริ่มต้นเป็น "#09A3D5"
get_default_text	callable [[ภาษา], str]	สามารถเรียกได้ว่าเป็นตัวเลือกที่ใช้วัตถุ nlp ที่โหลดในปัจจุบันและส่งคืนข้อความเริ่มต้น สามารถใช้เพื่อให้ข้อความเริ่มต้นเฉพาะภาษา หากฟังก์ชั่นส่งคืน None ค่าของ default_text จะใช้ถ้ามี ค่าเริ่มต้นถึง None

ฟังก์ชั่น visualize_parser

เห็นภาพการแยกวิเคราะห์การพึ่งพาและแท็กส่วนหนึ่งของคำพูดโดยใช้ Visualizer ของ displacy

 import spacy
from spacy_streamlit import visualize_parser

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

การโต้แย้ง	พิมพ์	คำอธิบาย
doc	Doc	วัตถุ Spacy Doc เพื่อให้เห็นภาพ
คำหลักเท่านั้น
title	เสริม [STR]	ชื่อเรื่องของบล็อก Visualizer
key	เสริม [STR]	คีย์ที่ใช้สำหรับส่วนประกอบ streamlit สำหรับการเลือกฉลาก
manual	บูล	ธงแสดงว่าอาร์กิวเมนต์ DOC เป็นวัตถุ DOC หรือรายการคำสั่งที่มีข้อมูลแยกวิเคราะห์
displacy_options	เป็นทางเลือก [dict]	พจนานุกรมตัวเลือกที่จะส่งผ่านไปยังวิธีการแสดงผลที่ไม่เหมาะสมสำหรับการสร้าง HTML ที่จะแสดงผล ดู: https://spacy.io/api/top-level#options-dep

ฟังก์ชั่น visualize_ner

เห็นภาพเอนทิตีที่มีชื่อใน Doc โดยใช้ Visualizer ของ displacy

 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 )

การโต้แย้ง	พิมพ์	คำอธิบาย
doc	Doc	วัตถุ Spacy Doc เพื่อให้เห็นภาพ
คำหลักเท่านั้น
labels	ลำดับ [STR]	ฉลากที่จะแสดงในฉลากแบบเลื่อนลง
attrs	รายการ [STR]	แอตทริบิวต์ SPAN ที่จะแสดงในตารางเอนทิตี
show_table	บูล	ไม่ว่าจะแสดงตารางเอนทิตีและคุณลักษณะของพวกเขา ค่าเริ่มต้นเป็น True
title	เสริม [STR]	ชื่อเรื่องของบล็อก Visualizer
colors	dict [str, str]	พจนานุกรมสีสำหรับเอนทิตีช่วงที่จะเห็นภาพโดยมีปุ่มเป็นป้ายกำกับและสีที่สอดคล้องกันเป็นค่า อาร์กิวเมนต์นี้จะเลิกใช้ในไม่ช้า ในอนาคตสี arg จะต้องส่งผ่านใน displacy_options arg ด้วยคีย์ "สี")
key	เสริม [STR]	คีย์ที่ใช้สำหรับส่วนประกอบ streamlit สำหรับการเลือกฉลาก
manual	บูล	การตั้งค่าสถานะหมายถึงว่าอาร์กิวเมนต์ DOC เป็นวัตถุ DOC หรือรายการของ dicts ที่มีช่วงเอนทิตี
ข้อมูล.
displacy_options	เป็นทางเลือก [dict]	พจนานุกรมตัวเลือกที่จะส่งผ่านไปยังวิธีการแสดงผลที่ไม่เหมาะสมสำหรับการสร้าง HTML ที่จะแสดงผล ดู https://spacy.io/api/top-level#displacy_options-ent

ฟังก์ชั่น visualize_spans

เห็นภาพช่วงใน Doc โดยใช้ Visualizer ของ displacy

 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" }})

การโต้แย้ง	พิมพ์	คำอธิบาย
doc	Doc	วัตถุ Spacy Doc เพื่อให้เห็นภาพ
คำหลักเท่านั้น
spans_key	ลำดับ [STR]	ซึ่งครอบคลุมกุญแจสำคัญในการแสดงผลจาก ค่าเริ่มต้นคือ "SC"
attrs	รายการ [STR]	แอตทริบิวต์ในช่วงเอนทิตีที่จะติดป้าย แอตทริบิวต์จะปรากฏขึ้นเฉพาะเมื่ออาร์กิวเมนต์ show_table เป็นจริง
show_table	บูล	ไม่ว่าจะแสดงตารางของช่วงและคุณลักษณะของพวกเขา ค่าเริ่มต้นเป็น True
title	เสริม [STR]	ชื่อเรื่องของบล็อก Visualizer
manual	บูล	ธงแสดงว่าอาร์กิวเมนต์ DOC เป็นวัตถุ DOC หรือรายการของ dicts ที่มีข้อมูลการขยายเอนทิตี
displacy_options	เป็นทางเลือก [dict]	พจนานุกรมตัวเลือกที่จะส่งผ่านไปยังวิธีการแสดงผลที่ไม่เหมาะสมสำหรับการสร้าง HTML ที่จะแสดงผล ดู https://spacy.io/api/top-level#displacy_options-span

ฟังก์ชั่น visualize_textcat

แสดงภาพหมวดหมู่ข้อความที่คาดการณ์โดยตัวจําแนกข้อความที่ผ่านการฝึกอบรม

 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 )

การโต้แย้ง	พิมพ์	คำอธิบาย
doc	Doc	วัตถุ Spacy Doc เพื่อให้เห็นภาพ
คำหลักเท่านั้น
title	เสริม [STR]	ชื่อเรื่องของบล็อก Visualizer

visualize_similarity

เห็นภาพความคล้ายคลึงกันโดยใช้เวกเตอร์คำของโมเดล จะแสดงคำเตือนหากไม่มีเวกเตอร์อยู่ในแบบจำลอง

 import spacy
from spacy_streamlit import visualize_similarity

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

การโต้แย้ง	พิมพ์	คำอธิบาย
nlp	Language	วัตถุ nlp ที่โหลดพร้อมเวกเตอร์
default_texts	tuple [str, str]	ข้อความเริ่มต้นที่จะเปรียบเทียบกับโหลด ค่าเริ่มต้นเป็น ("apple", "orange")
คำหลักเท่านั้น
threshold	ลอย	เกณฑ์สำหรับสิ่งที่ถือว่า "คล้ายกัน" หากคะแนนความคล้ายคลึงกันมากกว่าเกณฑ์ผลลัพธ์จะแสดงว่าคล้ายกัน ค่าเริ่มต้นถึง 0.5
title	เสริม [STR]	ชื่อเรื่องของบล็อก Visualizer

ฟังก์ชั่น visualize_tokens

เห็นภาพโทเค็นใน Doc และคุณลักษณะของพวกเขา

 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_" ])

การโต้แย้ง	พิมพ์	คำอธิบาย
doc	Doc	วัตถุ Spacy Doc เพื่อให้เห็นภาพ
คำหลักเท่านั้น
attrs	รายการ [STR]	ชื่อของแอตทริบิวต์โทเค็นที่จะใช้ ดู visualizer.py สำหรับค่าเริ่มต้น
title	เสริม [STR]	ชื่อเรื่องของบล็อก Visualizer

ผู้ช่วยแคช

ผู้ช่วยเหล่านี้พยายามแคชโมเดลที่โหลดและสร้างวัตถุ Doc

ฟังก์ชั่น process_text

ประมวลผลข้อความด้วยรูปแบบของชื่อที่กำหนดและสร้างวัตถุ Doc โทรเข้าสู่ตัวช่วย load_model เพื่อโหลดโมเดล

 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 )

การโต้แย้ง	พิมพ์	คำอธิบาย
model_name	str	ชื่อโมเดล Spacy ที่โหลดได้ สามารถเป็นเส้นทางหรือชื่อแพ็คเกจ
text	str	ข้อความที่จะดำเนินการ
ผลตอบแทน	Doc	เอกสารที่ประมวลผล

ฟังก์ชัน load_model

โหลดโมเดล Spacy จากเส้นทางหรือแพ็คเกจที่ติดตั้งและส่งคืนวัตถุ nlp ที่โหลด

 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 )

การโต้แย้ง	พิมพ์	คำอธิบาย
name	str	ชื่อโมเดล Spacy ที่โหลดได้ สามารถเป็นเส้นทางหรือชื่อแพ็คเกจ
ผลตอบแทน	Language	วัตถุ nlp ที่โหลด