Kashgari

喀什里

概述|性能|安装|文档|贡献

???我们发布了具有TF2支持的2.0.0版本。 ???

如果您将此项目用于研究，请引用：

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

概述

Kashgari是一个简单而强大的NLP传输学习框架，在5分钟内为命名实体识别（NER），词性标记（POS）和文本分类任务构建了最先进的模型。

• 人类友好。 Kashgari的代码很简单，文献良好和测试，这使得非常容易理解和修改。
• 强大而简单。 Kashgari允许您将最新的自然语言处理（NLP）模型应用于文本，例如命名实体识别（NER），词性标记（POS）和分类。
• 内置转移学习。 Kashgari内置的预训练的BERT和WORD2VEC嵌入模型，这使得转移学习以训练您的模型变得非常简单。
• 完全可扩展。 Kashgari为快速实验提供了一个简单，快速，可扩展的环境，训练模型并使用不同的嵌入和模型结构进行新方法。
• 准备就绪。 Kashgari可以用SavedModel格式导出用于TensorFlow服务的模型，您可以将其直接在云上部署。

我们的目标

• 学术用户更容易实验，以证明其假设而无需从头开始编码。
• NLP初学者学习如何使用生产级代码质量构建NLP项目。
• NLP开发人员在几分钟内构建生产级别的分类/标签模型。

表现

欢迎添加绩效报告。

任务	语言	数据集	分数
命名实体识别	中国人	人们的每日ner语料库	95.57
文本分类	中国人	SMP2018ecdtcorpus	94.57

安装

该项目基于Python 3.6+，因为它是2019年，类型提示很酷。

后端	Kashgari版本	desc
Tensorflow 2.2+	pip install 'kashgari>=2.0.2'	tf2.10+与tf.keras
Tensorflow 1.14+	pip install 'kashgari>=1.0.0,<2.0.0'	TF1.14+与TF.Keras
凯拉斯	pip install 'kashgari<1.0.0'	Keras版本

您还需要使用TensorFlow安装tensorflow_addons 。

TensorFlow版本	tensorflow_addons版本
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

教程

这是一组快速教程，可以让您开始使用库：

• 教程1：文本分类
• 教程2：文本标签
• 教程3：seq2seq
• 教程4：语言嵌入

还有一些文章和帖子说明了如何使用Kashgari：

• 基于Kashgari 2的短文本分类：数据分析和预处理：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：训练模型和调优
• 基于Kashgari 2的短文本分类：模型部署：模型部署
• 15分钟搭建中文文本分类模型
• 基于伯特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伯特的ner模型
• 在15分钟内与喀什加州的多级文本分类

示例：

• 带有SEQ2SEQ的神经机器翻译

贡献者

谢谢这些好人。并且有很多参与的方法。从贡献者指南开始，然后检查这些开放问题是否是否有特定任务。