spacy-stanza

spacy-stanza

多语言自然语言处理工具,结合SpaCy和Stanza的强大功能

spacy-stanza 是一个包装 Stanza 库的软件,使得在 SpaCy 管道中使用斯坦福模型变得更加容易。其功能包括多语言词性标注、形态分析、词干提取和依存解析,支持68种语言,还为部分语言提供命名实体识别功能。用户可以通过下载预训练的 Stanza 模型,通过 spacy_stanza.load_pipeline() 加载并处理文本。这个工具还允许添加自定义组件,结合 SpaCy 的词汇属性、规则匹配和可视化功能,提供了强大的自然语言处理解决方案。

spaCyStanza处理管线自然语言处理模型Github开源项目

项目介绍:spaCy + Stanza

spacy-stanza 是一个将 Stanza(前身为 StanfordNLP)库与 spaCy 平台结合使用的软件包。这款工具的主要目的在于帮助用户在 spaCy 的管道中使用斯坦福大学开发的高精度语言模型。Stanza 模型在 CoNLL 2017 和 2018 的分享任务中取得了顶尖的准确率,这些任务包括 68 种语言的分词、词性标注、形态分析、词干提取和标记依存解析。在 1.0 版本之后,Stanza 还支持对部分语言进行命名实体识别。

功能与特点

使用 spacy-stanza 包,用户可以利用预训练的 Stanza 模型来进行以下多种语言处理任务:

  • 统计分词:基于统计的分词方式,会在 Doc 对象及其 token 中体现。
  • 词形还原:通过 token.lemmatoken.lemma_ 获取词的原型。
  • 词性标注:通过 token.tagtoken.pos 等属性获取词的词性信息。
  • 形态分析:通过 token.morph 获取词的形态特征。
  • 依存解析:通过 token.deptoken.head 等属性进行句法结构分析。
  • 命名实体识别:通过 doc.ents 及相关 token 属性识别文本中的实体。
  • 句子分割:通过 doc.sents 将文本分为独立的句子。

安装说明

从 1.0.0 版本开始,spacy-stanza 仅兼容 spaCy v3.x 版本。用户可以通过如下命令进行安装:

pip install spacy-stanza

对于使用 spaCy v2 的用户,需要安装 spacy-stanza 的 0.2.x 版本:

pip install "spacy-stanza<0.3.0"

还需确保下载预训练的 Stanza 模型。

使用示例

用户可以通过调用 spacy_stanza.load_pipeline() 来创建一个 nlp 对象,该对象可以使用 Stanza 管道处理文本,并生成 spaCy 的 Doc 对象。例如:

import stanza import spacy_stanza # 如有需要,下载 stanza 模型 stanza.download("en") # 初始化管道 nlp = spacy_stanza.load_pipeline("en") doc = nlp("Barack Obama was born in Hawaii. He was elected president in 2008.") for token in doc: print(token.text, token.lemma_, token.pos_, token.dep_, token.ent_type_) print(doc.ents)

自定义及拓展

spacy-stanza 允许用户在 spaCy 管道上添加自定义组件。例如,用户可以添加自定义的文本分类组件或是通过规则模式增强命名实体识别:

from spacy import Language @Language.component("custom_component") def custom_component(doc): print(f"Custom component called: {doc.text}") return doc nlp.add_pipe("custom_component") doc = nlp("Some text")

序列化与保存

完整的 Stanza 管道配置可存储在 spaCy 的配置文件中,这允许用户像存储其他 nlp 管道一样保存和加载使用 spacy_stanza 创建的管道:

# 保存到本地目录 nlp.to_disk("./stanza-spacy-model") # 重新加载管道 nlp = spacy.load("./stanza-spacy-model")

请注意,默认情况下,不保存任何 Stanza 模型数据。因此,用户需要通过 stanza.download() 命令单独下载这些大型模型,并确保它们在配置文件中指定的路径可用。

通过以上功能,spacy-stanza 提供了灵活且强大的多语言处理工具,帮助开发者更便捷地进行复杂的语言分析。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多