trankit

trankit

轻量级的多语言自然语言处理Python工具包,支持多个语言的预训练模型

Trankit是一个基于Transformer架构的轻量级Python工具包,支持多语言自然语言处理,包含针对56种语言的90个预训练流水线。它引入了自动模式,多语言输入可自动检测。Trankit在多个自然语言处理任务上表现优异,超过Stanza等主流工具包,并保持高效的内存使用和处理速度。用户无需编程经验即可通过简便的命令行界面使用,还可定制流水线。

Trankit多语言NLP工具TransformerPythonGithub开源项目

项目介绍:Trankit

Trankit是一个轻量级的基于Transformer的Python工具包,专注于多语言自然语言处理(NLP)。它为多语言的基本NLP任务提供可训练的数据流线,以及用于56种语言的90个预训练管道。

主要功能

多语言管道

Trankit能处理超过100种语言中的文本,其新版本v1.0.0增加了90个新的预训练管道,对56种语言的性能显著提升。这些管道采用了XLM-Roberta大模型进行训练,极大地提升了在7大系语言中的自然语言处理能力。

自动模式

Trankit的新版本中引入了自动模式功能。该模式能够自动检测输入语言,无需用户手动指定语言类型,使多语言管道的操作更加方便。

命令行界面

Trankit还提供了一个命令行界面,特别适合那些对Python编程不熟悉的用户,令他们也能轻松使用Trankit。

性能优势

Trankit在多个任务上都超越了当前的多语言工具集Stanza(StanfordNLP)。它在内存使用和速度方面表现优异,适合一般用户使用。特别是在英语的句子分割和依存解析任务中表现卓越,同时在阿拉伯语和中文的相应任务上也有显著提高。

安装指导

用户可以通过pip简单地安装Trankit:

pip install trankit

或通过从源代码安装:

git clone https://github.com/nlp-uoregon/trankit.git cd trankit pip install -e .

使用示例

Trankit支持多项任务,包括句子分割、标记化、多词表达式扩展、词性标注、形态特征标注、依存解析、命名实体识别等。 以下是初始化预训练管道并在输入上执行所有任务的示例代码:

from trankit import Pipeline p = Pipeline(lang='english', gpu=True, cache_dir='./cache') # 处理未标记化文档 untokenized_doc = '''Hello! This is Trankit.''' processed_doc1 = p(untokenized_doc) # 处理预标记化文档 pretokenized_doc = [['Hello', '!'], ['This', 'is', 'Trankit', '.']] processed_doc2 = p(pretokenized_doc)

多语言使用

Trankit的Auto Mode允许用户在不激活特定语言的情况下处理各种输入。该模式下,Trankit会自动检测输入语言并使用对应的模型。

from trankit import Pipeline p = Pipeline('auto') # 处理英语输入 en_output = p.tokenize('I figured I would put it out there anyways.') # 处理法语输入 fr_output = p.posdep('On pourra toujours parler à propos d\'Averroès de "décentrement du Sujet".') # 处理越南语输入 vi_output = p.ner('Cuộc tiêm thử nghiệm tiến hành tại Học viện Quân y, Hà Nội')

自定义管道

用户可以使用类TPipeline轻松训练自定义管道,通过训练配置文件指定任务、数据路径等参数。

致谢

Trankit项目受到了多个研究项目的支持,并集成了多种先进的技术和工具,为多语言自然语言处理提供了一个强大和高效的解决方案。

编辑推荐精选

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。

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
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。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多