由fasttext和langid支持的闪电式快速语言预测。

whatlangid的Python项目详细描述


whatLangid

Build StatusPyPI

这个项目是建立在 whatthelanglangid

那个 依赖关系(pyfasttextwhatthelang不是Facebook的官方版本。

这个项目取决于官方发布的 https://github.com/facebookresearch/fastText.git

目前,fasttext还没有在pypi上发布,因此您需要 --process-dependency-linksarg(使用pip时)。

为什么这个项目存在?

issue_lang.py

依赖性

可以使用requirements.txt文件安装依赖项:

$ pip install -r requirements.txt

安装

来自Github

$ pip install  --extra-index-url=https://test.pypi.org/simple/ git+https://github.com/bung87/whatlangid

来自PYPI

$ pip install  --extra-index-url=https://test.pypi.org/simple/ whatlangid

基本用法

使用whatlangid

预测语言
>>>fromwhatlangidimportWhatLangId>>>wtl=WhatLangId()>>>wtl.predict_lang("Mother")'en'>>>wtl.predict_lang("தாய்")'ta'>>>wtl.predict_lang("അമ്മ")'ml'>>>wtl.predict_lang("पिता")'hi'>>>wtl.predict_pro(["English sentence","അമ്മ"])[('en',0.8848170638084412),('ml',0.9535570740699768)]

还支持批预测

>>>wtl.predict_lang(["അമ്മ","पिता","teacher"])['ml','hi','en']

高级使用

wtl = WhatLangId(custom_model=abs_path)

使用更快更精确的bin版本模型,但是 文件大小为126MB

python -m whatlangid.use_bin

支持的语言

支持176种语言。相应语言的iso代码 如下所示。

af als am an ar arz as ast av az azb ba bar bcl be bg bh bn bo bpy br bs bxr ca cbk
ce ceb ckb co cs cv cy da de diq dsb dty dv el eml en eo es et eu fa fi fr frr fy ga
gd gl gn gom gu gv he hi hif hr hsb ht hu hy ia id ie ilo io is it ja jbo jv ka kk km
kn ko krc ku kv kw ky la lb lez li lmo lo lrc lt lv mai mg mhr min mk ml mn mr mrj ms
mt mwl my myv mzn nah nap nds ne new nl nn no oc or os pa pam pfl pl pms pnb ps pt qu
rm ro ru rue sa sah sc scn sco sd sh si sk sl so sq sr su sv sw ta te tg th tk tl tr
tt tyv ug uk ur uz vec vep vi vls vo wa war wuu xal xmf yi yo yue zh

车型培训详情

使用fasttext建立的量化模型。更多细节请参见 快速文本blog

参考值

WhatLangIdFastTextlangid供电

用子词信息丰富词向量

[1]P.Bojanowski*,E.Grave*,A.Joulin,T.Mikolov,Enriching Word Vectors with Subword Information

@article{bojanowski2016enriching,
  title={Enriching Word Vectors with Subword Information},
  author={Bojanowski, Piotr and Grave, Edouard and Joulin, Armand and Mikolov, Tomas},
  journal={arXiv preprint arXiv:1607.04606},
  year={2016}
}

有效的文本分类技巧包

[2]A.Joulin,E.Grave,P.Bojanowski,T.Mikolov,Bag of Tricks for Efficient Text Classification

@article{joulin2016bag,
  title={Bag of Tricks for Efficient Text Classification},
  author={Joulin, Armand and Grave, Edouard and Bojanowski, Piotr and Mikolov, Tomas},
  journal={arXiv preprint arXiv:1607.01759},
  year={2016}
}

fasttext.zip:压缩文本分类模型

[3]A.Joulin,E.Grave,P.Bojanowski,M.Douze,H.Jégou,T.Mikolov, FastText.zip: Compressing text classification models

@article{joulin2016fasttext,
  title={FastText.zip: Compressing text classification models},
  author={Joulin, Armand and Grave, Edouard and Bojanowski, Piotr and Douze, Matthijs and J{\'e}gou, H{\'e}rve and Mikolov, Tomas},
  journal={arXiv preprint arXiv:1612.03651},
  year={2016}
}

欢迎加入QQ群-->: 979659372 Python中文网_新手群

推荐PyPI第三方库


热门话题
ArrayList中实体对象上的JAVA泛型   带Redis的爪哇芹菜vs单用Redis   java在设备面向横向时隐藏标题栏/通知栏   java JXTreeTable:如何使用ComponentProvider为一列设置渲染器   java创建异常的成本与记录异常的成本相比   java在方法参数中使用setter传递新对象   java在一个类中的方法与另一个类中的方法交互时遇到问题   java如何迭代2个大小相等的ArrayList   Java getDesktop()。open在Windows中工作,但在Mac中不工作   从tomcat切换到jetty后的java“无法启动嵌入式容器”,Spring引导   java如何使用void方法   java如何在解组时在JAXB的ValidationEventHandler中获取节点值?   如何使用Akka Java API创建不响应的TCP接收器   JavaScriptjQuery在java中将记录上传到数据库时的进度条   如何在重新绘制时在java小程序中显示上一个图像