Sequence labeling library using keras.
anago的Python项目详细描述
#anago
**anago**是一个用于序列标记（ner，pos taging，…）的python库，在keras中实现。
anago可以解决序列标记任务，如命名实体识别（ner）、词性标记（pos taging）、语义角色标记（srl）等。与传统的序列标记求解器不同，anago不需要定义任何依赖于语言的特征。因此，我们可以轻松地将anago用于任何语言。
作为anago的一个示例，下图以英语显示命名实体识别：
[anago演示]（https://anago.herokapp.com/）
！[英文名称]（./docs/images/anago.gif）
<；！--
！[英文版]（https://github.com/hironsan/anago/blob/docs/docs/images/example.en2.png？原始=真）
！[日本内线]（https://github.com/hironsan/anago/blob/docs/docs/images/example.ja2.png？raw=true）
-->；在anago中，最简单的模型类型是“sequence”模型。序列模型包括“fit”、“score”、“analyze”和“save”、“load”等基本方法。对于更复杂的功能，您应该使用anago模块，如“models”、“preprocessing”等。
Y U TEST=LOAD U数据和U标签（'test.txt'）
>>>>；gt>gt；X U列车[0]
['eu'eu'rejects'rejects'德语'call'call'call'to'cococo抵制'cococococococo抵制'英国'lamb'lamb'lamb''''.]
>Y U列车[0]
['b-org'o'b-org'o'b-misc'b'misc'o'o'o'o'o'b-misc'b'misc'o'o'b'misc'o'o'o'o'o'o'o'o'o'o'o'o'o'o'o/>``Python
>；>；进口Anago进口Anago
>>>gt；model=anago.sequence（）
>>>gt；model.fit（x列车，y列车，epoch=15）
epoch 1/15
541/541/541[==============================================]-166s 307ms/step-损失：12.9774
…
=>````>>>
>>
>>用一行评估你的绩效：
br/>用一行评估你的绩效：
>
`` python
>>>model.score（x_test，y_test）
80.20分#f1 micro score
要获得更高的性能，您必须使用经过预训练的单词嵌入。
目前，anago的最佳分数是90.90 f1 micro score。
``````
>或在新数据上标记文本：
``python
>；text='奥巴马总统在白宫演讲。
>；model.analyze（text）
{
“word s”：[
“总统”、
“奥巴马”、
“是”、
“讲话”、
“at”、
“the”、
“white”、
“house”
]、
“实体”：[
{
“beginoffset”：1、
“endoffset”：2、
“得分”：1、
“文本”：“奥巴马”、
“type”：“per”
}，
{
“beginoffset”：6，
“endoffset”：8，
“score”：1，
“text”：“white house.”，
“type”：“loc”
}
]
}
`````
下载预先训练的模型，调用“download”函数：
``python
>；>from anago.utils import download
>；>url='https://storage.googleapis.com/chakki/datasets/public/ner/conll2003-en.zip'
>；>weights，params，preprocessor=download（url）
>；model=anago.sequence.load（weights，params，preprocessor）
>；>；gt；模型分数（x_测试，y_u测试）
0.9090262970859986
```
功能支持
anago支持以下功能：
*模型培训
*模型评估
*标记文本
*自定义模型支持
*下载预先培训的模型
*gpu支持
*字符功能
*crf支持
*自定义回调支持
anago正式支持python 3.4-3.6。
`` bash
$git clone https://github.com/hironsan/anago.git
$cd anago
$python setup.py install
````
--数据和词向量采用tsv格式。
>培训数据采用tsv格式。
以下文本是培训数据的示例：
````````
eu b-org
eu b-org
拒绝o
德国b-misc
呼吁o
o
抵制o
英国b-misc
>英国b-misc
>羔羊o
。o
>彼得b-per
>布莱克本i-per
`````````>``````````````````````````````
anago支持预先训练的单词嵌入（如：手套矢量）（http://nlp.tanf.EdU/Studio /手套/）.gb＞Br/>参考文献
< BR/>此库使用基于
的[基于命名实体识别的神经体系结构的双向LSTM+CRF模型]（http://ARXIV.org/ABS/ 1603.01360）
由Lample，纪尧姆等人，NBACL＞BR/>
**anago**是一个用于序列标记（ner，pos taging，…）的python库，在keras中实现。
anago可以解决序列标记任务，如命名实体识别（ner）、词性标记（pos taging）、语义角色标记（srl）等。与传统的序列标记求解器不同，anago不需要定义任何依赖于语言的特征。因此，我们可以轻松地将anago用于任何语言。
作为anago的一个示例，下图以英语显示命名实体识别：
[anago演示]（https://anago.herokapp.com/）
！[英文名称]（./docs/images/anago.gif）
<；！--
！[英文版]（https://github.com/hironsan/anago/blob/docs/docs/images/example.en2.png？原始=真）
！[日本内线]（https://github.com/hironsan/anago/blob/docs/docs/images/example.ja2.png？raw=true）
-->；在anago中，最简单的模型类型是“sequence”模型。序列模型包括“fit”、“score”、“analyze”和“save”、“load”等基本方法。对于更复杂的功能，您应该使用anago模块，如“models”、“preprocessing”等。
Y U TEST=LOAD U数据和U标签（'test.txt'）
>>>>；gt>gt；X U列车[0]
['eu'eu'rejects'rejects'德语'call'call'call'to'cococo抵制'cococococococo抵制'英国'lamb'lamb'lamb''''.]
>Y U列车[0]
['b-org'o'b-org'o'b-misc'b'misc'o'o'o'o'o'b-misc'b'misc'o'o'b'misc'o'o'o'o'o'o'o'o'o'o'o'o'o'o'o/>``Python
>；>；进口Anago进口Anago
>>>gt；model=anago.sequence（）
>>>gt；model.fit（x列车，y列车，epoch=15）
epoch 1/15
541/541/541[==============================================]-166s 307ms/step-损失：12.9774
…
=>````>>>
>>
>>用一行评估你的绩效：
br/>用一行评估你的绩效：
>
`` python
>>>model.score（x_test，y_test）
80.20分#f1 micro score
要获得更高的性能，您必须使用经过预训练的单词嵌入。
目前，anago的最佳分数是90.90 f1 micro score。
``````
>或在新数据上标记文本：
``python
>；text='奥巴马总统在白宫演讲。
>；model.analyze（text）
{
“word s”：[
“总统”、
“奥巴马”、
“是”、
“讲话”、
“at”、
“the”、
“white”、
“house”
]、
“实体”：[
{
“beginoffset”：1、
“endoffset”：2、
“得分”：1、
“文本”：“奥巴马”、
“type”：“per”
}，
{
“beginoffset”：6，
“endoffset”：8，
“score”：1，
“text”：“white house.”，
“type”：“loc”
}
]
}
`````
下载预先训练的模型，调用“download”函数：
``python
>；>from anago.utils import download
>；>url='https://storage.googleapis.com/chakki/datasets/public/ner/conll2003-en.zip'
>；>weights，params，preprocessor=download（url）
>；model=anago.sequence.load（weights，params，preprocessor）
>；>；gt；模型分数（x_测试，y_u测试）
0.9090262970859986
```
功能支持
anago支持以下功能：
*模型培训
*模型评估
*标记文本
*自定义模型支持
*下载预先培训的模型
*gpu支持
*字符功能
*crf支持
*自定义回调支持
anago正式支持python 3.4-3.6。
`` bash
$git clone https://github.com/hironsan/anago.git
$cd anago
$python setup.py install
````
--数据和词向量采用tsv格式。
>培训数据采用tsv格式。
以下文本是培训数据的示例：
````````
eu b-org
eu b-org
拒绝o
德国b-misc
呼吁o
o
抵制o
英国b-misc
>英国b-misc
>羔羊o
。o
>彼得b-per
>布莱克本i-per
`````````>``````````````````````````````
anago支持预先训练的单词嵌入（如：手套矢量）（http://nlp.tanf.EdU/Studio /手套/）.gb＞Br/>参考文献
< BR/>此库使用基于
的[基于命名实体识别的神经体系结构的双向LSTM+CRF模型]（http://ARXIV.org/ABS/ 1603.01360）
由Lample，纪尧姆等人，NBACL＞BR/>
欢迎加入QQ群-->： 979659372
