让自然语言模型训练更容易
pip install easytext-nlp
注意: pip repository 中存在一个 easytext,不是本项目,不要安装错了。
也就是 pip install easytext
并非安装的是本项目。
训练的具体构建流程如下:
mkdocs serve
启动文档服务。
其中:
- uml: 文件夹下是 uml 设计文档,使用 "Visual Paradigm" 工具打开
- 开发计划: 列出了已经开发出的功能和特性
- 相关模型说明以及论文文档
序号 | 模型描述 | 配置文件/config_file_path |
---|---|---|
1 | rnn + crf | data/ner/rnn_with_crf/config/config.json |
2 | rnn + softmax | data/ner/rnn_with_crf/config/config_without_crf.json |
3 | bert + crf | data/ner/bert_with_crf/config/config.json |
4 | bert + softmax | data/ner/bert_with_crf/config/config_without_crf.json |
5 | bert + rnn + crf | data/ner/bert_rnn_with_crf/config/config.json |
6 | bert + rnn + softmax | data/ner/bert_rnn_with_crf/config/config_without_crf.json |
python -m ner.launcher --config {config_file_path}
- config_file_path - 参考 "相关模型以及对应的配置文件" 中 "配置文件/
config_file_path
" 列内容。
事件识别以及事件要素识别模型。
ACL 2019 论文,忽略触发词的事件类型检测。
更加详细说明,请参考: docs/docs/event/event_detection_without_trigger.md
属性级情感分析,baseline 模型:
2016 emnlp 基于 Attention Lstm 的 属性级情感分析模型.
- 相关论文参考:
docs/docs/acsa/相关文章及论文/2016-emnlp-Attention-based LSTM for Aspect-level Sentiment Classification.pdf