首页
/ TweebankNLP:一揽子Twitter NLP解决方案

TweebankNLP:一揽子Twitter NLP解决方案

2024-09-26 07:13:44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。

项目地址: GitHub

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。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
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
259
300
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
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
1.07 K
0
kernelkernel
deepin linux kernel
C
22
5