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 23:07:12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
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
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
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
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
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511