Biblioteca de Python del Stanford NLP Group para tokenización, segmentación de oraciones, reconocimiento de entidades y análisis de dependencias en más de 60 idiomas.
Stanza es una biblioteca de procesamiento del lenguaje natural en Python del Stanford NLP Group. Ejecuta pipelines neuronales para tokenización, segmentación de oraciones, expansión de tokens de varias palabras, etiquetado de categorías gramaticales y morfológico, lematización, análisis de dependencias y reconocimiento de entidades nombradas en textos de más de 60 idiomas.
Además del pipeline neuronal, Stanza incluye un wrapper que permite que el código Python invoque el software Java Stanford CoreNLP. Para usarlo, basta con indicar una instalación local de CoreNLP mediante la variable de entorno CORENLP_HOME y extraer sus anotaciones. Los modelos preentrenados cubren todos los treebanks de Universal Dependencies de la versión 2.8, además de modelos NER para varios idiomas de uso extendido y paquetes para inglés biomédico y clínico.
La biblioteca está desarrollada con PyTorch y se instala mediante pip o conda. Los desarrolladores pueden entrenar sus propios modelos de tokenización, etiquetado, lematización, análisis sintáctico o NER a partir de datos CoNLL-U o BIOES, ejecutando el código de entrenamiento del repositorio fuente.
Instala Stanza con pip
pip install stanzaInicia Python e importa Stanza; después, descarga los modelos de inglés (opcional)
python -c "import stanza; stanza.download('en')"Crea una canalización neuronal en inglés y analiza una oración
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Biblioteca de NLP de alto rendimiento para Python y Cython, con tokenización, pipelines preentrenados y modelos entrenados para etiquetado, análisis sintáctico y reconocimiento de entidades.
Biblioteca de procesamiento del lenguaje natural para JavaScript que etiqueta categorías gramaticales, detecta patrones y transforma texto, por ejemplo, al cambiar tiempos verbales o números.
Framework de NLP para Python basado en PyTorch, con reconocimiento de entidades, análisis de sentimientos, etiquetado PoS y embeddings de texto.
Kit de herramientas de Python para dividir texto en oraciones u otras unidades semánticas, con modelos SaT y WtP preentrenados para 85 idiomas.
Una biblioteca ligera de deep learning con comprobación de tipos para componer modelos y usar capas de PyTorch, TensorFlow y MXNet.
Biblioteca de tokenización rápida y de última generación en Rust, con bindings para Python y Node.js, para NLP y pipelines de modelos de lenguaje.