TweebankNLP:一揽子Twitter NLP解决方案
2024-09-26 10:14:22作者:冯爽妲Honey
项目介绍
TweebankNLP 是由MIT中心和媒体实验室共同开发的一个开源项目,旨在提供针对推文处理的现成自然语言处理工具包。该工具包在LREC 2022上发布,支持命名实体识别(NER)、分词(tokenization)、词干化(lemmatization)、词性标注(POS tagging)以及依存句法分析等任务。核心特性包括基于Tweebank V2训练的预训练模型,以及一个名为Twitter-Stanza的管道,这些模型在处理社交媒体文本时表现出色。
项目快速启动
安装
首先,确保你的系统已安装Python环境。接下来,通过pip从源安装TweebankNLP相关依赖:
pip install -e git+https://github.com/mit-ccc/TweebankNLP.git#egg=tweebanknlp
pip install pythainlp
下载必要的预训练模型和资源:
cd tweebanknlp
./download_twitter_resources.sh
使用Twitter-Stanza Pipeline示例
初始化配置,以使用仅基于Tweebank训练的模型:
import stanza
config = {
'processors': 'tokenize lemma pos depparse ner',
'lang': 'en',
'tokenize_pretokenized': True,
'tokenize_model_path': './saved_models/tokenize/en_tweet_tokenizer.pt',
'lemma_model_path': './saved_models/lemma/en_tweet_lemmatizer.pt',
'pos_model_path': './saved_models/pos/en_tweet_tagger.pt',
'depparse_model_path': './saved_models/depparse/en_tweet_parser.pt',
'ner_model_path': './saved_models/ner/en_tweet_nertagger.pt'
}
stanza.download('en')
nlp = stanza.Pipeline(**config)
doc = nlp("Oh, I actually prefer Messi over Ronaldo, but we all seem to like Ronaldo more.")
print(doc)
应用案例和最佳实践
命名实体识别案例:
假设你希望对一条推文进行命名实体识别。你可以使用已经在Tweebank数据集上训练的模型。例如,对于具有特定领域标签的数据,可以参考以下流程:
# 加载预先训练好的NER模型(以Bertweet为例)
model_to_load = "TweebankNLP/bertweet-tb2_wnut17-ner"
from transformers import AutoModelForTokenClassification, AutoTokenizer
tokenizer = AutoTokenizer.from_pretrained(model_to_load)
model = AutoModelForTokenClassification.from_pretrained(model_to_load)
text = "Joining #AI Summit next week!"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)
然后解析输出获取实体。
典型生态项目
TweebankNLP的生态不仅仅限于其本身的GitHub仓库。它还在Hugging Face Model Hub上提供了易于使用的模型,使得开发者能够迅速集成到他们的应用程序中。例如,模型如TweebankNLP/bertweet-tb2_ewt-pos-tagging
是专为Twitter数据设计的词性标注模型,达到了高精度,并且容易部署。
结合Hugging Face的实践
你可以通过以下方式直接利用Hugging Face中的模型:
from transformers import pipeline
nlp = pipeline("ner", model="TweebankNLP/bertweet-tb2_wnut17-ner", tokenizer="bert-base-multilingual-cased")
result = nlp("Ronaldo loves playing football!")
for res in result:
print(res)
在这个实践中,我们展示了如何结合Hugging Face的pipeline功能来轻松实现推文的命名实体识别。
以上即是对TweebankNLP项目的一个简要介绍及其快速上手指南,希望能够帮助您高效地使用这一强大的社交媒体NLP工具。
热门项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript75.83 K19.04 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K