自然对抗性语言处理
nalp的Python项目详细描述
自然对抗性语言处理
欢迎来到NALP。
你有没有想过从原始来源创建自然文本?如果是的话,NALP是给你的!该软件包是一种处理自然语言处理和对抗性学习的创新方法。从下到上,从嵌入到神经网络,我们将促进所有与这一新趋势相关的研究。
如果需要库或希望:
- 创建自己的嵌入。
- 设计或使用先进的预加载神经网络。
- 混合搭配不同的策略来解决你的问题。
- 因为玩文字游戏很酷。
阅读nalp.readthedocs.io上的文档。
NALP兼容:python 3.6+和pypy 3.5。
包装指南
- 您需要的第一个信息位于next部分。
- 安装也很简单,如果您希望阅读代码并遇到问题,请继续。
- 请注意,可能还有一些附加步骤,以便使用我们的解决方案。
- 如果有问题,请不要犹豫,给我们打电话。
入门:使用NALP 60秒
首先。我们有例子。是的,他们被评论了。只需浏览到examples/
,选择您的子包并按照示例进行操作。对于我们能想到的大多数任务,我们都有高级的例子。
或者,如果您想了解更多,请花几分钟:
NALP基于以下结构,您应该注意它的树:
- nalp
- core
- dataset
- encoder
- neural
- datasets
- one_hot
- vanilla
- encoders
- count
- tfidf
- word2vec
- neurals
- rnn
- stream
- loader
- preprocess
- utils
- decorators
- logging
- math
- splitters
- visualization
核心
核心就是核心。本质上,它是一切事物的父。你应该找到定义我们的结构的基本的父类。它们应该提供有助于构建其他模块的变量和方法。它由以下类组成:
数据集
因为我们需要数据,对吧?数据集由允许为进一步的神经网络准备数据的类和方法组成。
编码器
文字还是数字?编码用于生成嵌入。嵌入技术被用于神经网络。请记住,网络无法读取原始数据,因此您可能需要使用知名的编码器对数据进行预编码。
神经纤维
一个神经网络包。在这个包中,您可以找到所有与神经相关的实现。从幼稚的rnns到bilstms,你可以使用任何适合你需要的东西。所有的实现都是使用原始的tensorflow完成的,主要是为了更好地理解和控制整个训练和推理过程。
流
流包用于操作数据。从加载到处理,您可以在这里找到所有定义的类和方法,以帮助您完成这些任务。
utils
这是一个实用程序包。应该在这里实现应用程序间共享的公共内容。与其一遍又一遍地重新实现同一个东西,不如一次实现,然后随心所欲地使用。
可视化
一个可视化包,以便更好地说明数据发生了什么。使用类和方法来帮助您确定数据是否足够满足您的需求。
安装
我们相信一切都要简单。从最初的instalation到实现需要的日常任务,nalp将是您所需要的一个包,它不会让您感到困难或令人畏惧。如果可以,只需在您最喜欢的python环境(raw、conda、virtualenv等等)下运行以下命令!:
pipinstallnalp
或者,如果您希望安装Bleeding Edge版本,请克隆此存储库并使用:
pipinstall.
环境配置
请注意,有时需要额外的实现。如果需要的话,你将是从这里知道所有细节的人。
ubuntu
不需要特定的附加命令。
窗口
不需要特定的附加命令。
macos
不需要特定的附加命令。