#65 · 主分类： 自然语言处理与文本处理
Kashgari
bert
bert-model
gpt-2
machine-learning
named-entity-recognition
ner
nlp
nlp-framework
seq2seq
sequence-labeling
text-classification
text-labeling
transfer-learning
Kashgari是一个基于tf.keras的生产级NLP迁移学习框架，用于文本标注和文本分类，包含Word2Vec、BERT和GPT2语言嵌入。
项目最后更新：09/03/24
GitHub Stars
2.4K
Forks数量
431
贡献者数量
21
许可证
Apache-2.0
收录理由
Kashgari 让团队不必手写每一行训练循环就能搭建起有监督的 NLP 模型。它基于 tf.keras，内置了命名实体识别、词性标注和文本分类的现成流程，还能在不改动数据加载或评估代码的前提下，把普通的 Word2Vec 换成预训练的 BERT 或 GPT-2 嵌入。对于序列标注任务来说，这是个很实用的起点，无论是做研究还是跑线上服务都行得通。代码结构清晰，默认架构不适合你的数据时，改起来也不费劲。2.0 版本把项目迁移到了 TensorFlow 2，当前版本用的是现代 TF 接口，不再依赖旧 API，模型可以导出为 SavedModel 格式用于部署。如果你主要处理中文或英文文本，想用一个下午就得到可靠的基线模型，这个框架能省掉大量样板代码。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。