Biblioteca Python do Stanford NLP Group para tokenização, segmentação de frases, NER e análise de dependências em mais de 60 idiomas.
Stanza é uma biblioteca Python de processamento de linguagem natural do Stanford NLP Group. Ela executa pipelines neurais para tokenização, segmentação de frases, expansão de tokens de múltiplas palavras, etiquetagem de classes gramaticais e morfológica, lematização, análise de dependências e reconhecimento de entidades nomeadas em textos de mais de 60 idiomas.
Além do pipeline neural, Stanza inclui um wrapper que permite ao código Python chamar o software Java Stanford CoreNLP. Os usuários apontam o wrapper para uma instalação local do CoreNLP por meio da variável de ambiente CORENLP_HOME e extraem anotações dela. Os modelos pré-treinados abrangem todos os treebanks do Universal Dependencies na versão 2.8, além de modelos de NER para vários idiomas amplamente falados e pacotes para inglês biomédico e clínico.
A biblioteca é construída sobre PyTorch e pode ser instalada via pip ou conda. Desenvolvedores podem treinar seus próprios modelos de tokenização, etiquetagem, lematização, análise sintática ou NER com dados CoNLL-U ou BIOES, executando o código de treinamento do repositório-fonte.
Instale o Stanza com pip
pip install stanzaInicie o Python e importe o Stanza; em seguida, baixe os modelos de inglês (opcional)
python -c "import stanza; stanza.download('en')"Crie um pipeline neural em inglês e analise uma frase
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Biblioteca de NLP robusta para Python e Cython, com tokenização, pipelines pré-treinados e modelos treinados para etiquetagem, análise sintática e reconhecimento de entidades.
Biblioteca de processamento de linguagem natural em JavaScript que identifica classes gramaticais, encontra padrões no texto e transforma verbos, números e outros elementos.
Framework de NLP em Python baseado em PyTorch para reconhecimento de entidades nomeadas, análise de sentimentos, etiquetagem PoS e embeddings de texto.
Toolkit Python para dividir textos em frases ou outras unidades semânticas, com modelos SaT e WtP pré-treinados que abrangem 85 idiomas.
Uma biblioteca leve de deep learning, com verificação de tipos e programação funcional, para compor modelos e encapsular camadas do PyTorch, TensorFlow e MXNet.
Biblioteca de tokenização de ponta e rápida, escrita em Rust, com bindings para Python e Node.js para pipelines de NLP e modelos de linguagem.