johnsnowlabs
John Snow Labs 5.5.1 Release
Die John Snow Labs-Bibliothek bietet eine einfache und einheitliche Python-API für die Bereitstellung von Lösungen für die Verarbeitung natürlicher Sprache auf Unternehmensniveau:
Homepage: https://www.johnsnowlabs.com/
Dokumente und Demos: https://nlp.johnsnowlabs.com/
Unterstützt durch das Enterprise-Grade-Ökosystem von John Snow Labs:
! pip install johnsnowlabs
from johnsnowlabs import nlp
nlp . load ( 'emotion' ). predict ( 'Wow that was easy!' )Weitere Einzelheiten finden Sie in der Dokumentation.
Dies sind Beispiele dafür, wie man Dinge mit einer Codezeile erledigt. Informationen zum Erstellen benutzerdefinierter Pipelines finden Sie in der Dokumentation zu allgemeinen Konzepten.
# Example of Named Entity Recognition
nlp . load ( 'ner' ). predict ( "Dr. John Snow is an British physician born in 1813" )Rückgaben:
| Entitäten | entities_class | entities_confidence |
|---|---|---|
| John Schnee | PERSON | 0,9746 |
| britisch | NORP | 0,9928 |
| 1813 | DATUM | 0,5841 |
# Example of Question Answering
nlp . load ( 'answer_question' ). predict ( "What is the capital of Paris" )Rückgaben:
| Text | Antwort |
|---|---|
| Was ist die Hauptstadt von Frankreich | Paris |
# Example of Sentiment classification
nlp . load ( 'sentiment' ). predict ( "Well this was easy!" )Rückgaben:
| Text | sentiment_class | sentiment_confidence |
|---|---|---|
| Nun, das war einfach! | Pos | 0,999901 |
nlp . load ( 'ner' ). viz ( 'Bill goes to New York' ) Rückgaben: 
Eine vollständige Übersicht finden Sie in der 1-Zeiler-Referenz und im Workshop.
Um kostenpflichtige Produkte von John Snow Labs wie Healthcare NLP, [Visual NLP], [Legal NLP] oder [Finance NLP] zu verwenden, besorgen Sie sich einen Lizenzschlüssel und rufen Sie dann nlp.install() auf, um ihn zu verwenden:
! pip install johnsnowlabs
# Install paid libraries via a browser login to connect to your account
from johnsnowlabs import nlp
nlp . install ()
# Start a licensed session
nlp . start ()
nlp . load ( 'en.med_ner.oncology_wip' ). predict ( "Woman is on chemotherapy, carboplatin 300 mg/m2." )Dies sind Beispiele dafür, wie man Dinge mit einer Codezeile erledigt. Informationen zum Erstellen benutzerdefinierter Pipelines finden Sie in der Dokumentation zu allgemeinen Konzepten.
# visualize entity resolution ICD-10-CM codes
nlp . load ( 'en.resolve.icd10cm.augmented' )
. viz ( 'Patient with history of prior tobacco use, nausea, nose bleeding and chronic renal insufficiency.' ) gibt zurück: 
# Temporal Relationship Extraction&Visualization
nlp . load ( 'relation.temporal_events' )
. viz ( 'The patient developed cancer after a mercury poisoning in 1999 ' ) gibt zurück: 
Schauen Sie sich die offizielle Johnsnowlabs-Seite an: https://nlp.johnsnowlabs.com für Benutzerdokumentation und Beispiele
| Ressource | Beschreibung |
|---|---|
| Allgemeine Konzepte | Allgemeine Konzepte in der Johnsnowlabs-Bibliothek |
| Übersicht über 1-Zeiler | Am häufigsten verwendete Modelle und ihre Ergebnisse |
| Übersicht über 1-Zeiler für das Gesundheitswesen | Die am häufigsten verwendeten Gesundheitsmodelle und ihre Ergebnisse |
| Übersicht aller 1-Zeiler-Notizbücher | Über 100 Tutorials zur Verwendung der 1-Zeiler in Textdatensätzen für verschiedene Probleme und aus verschiedenen Quellen wie Twitter, chinesischen Nachrichten, Schlagzeilen in Krypto-Nachrichten, Flugverkehrskommunikation, Schulung zum Klassifizieren von Produktbewertungen, |
| Vernetzen Sie sich mit uns auf Slack | Probleme, Fragen oder Anregungen? Wir haben eine sehr aktive und hilfsbereite Community von über 2000 KI-Enthusiasten, die Johnsnowlabs-Produkte sinnvoll einsetzen |
| Diskussionsforum | Vertiefendere Diskussion mit der Community? Veröffentlichen Sie einen Thread in unserem Diskussionsforum |
| Github-Probleme | Melden Sie einen Fehler |
| Benutzerdefinierte Installation | Benutzerdefinierte Installationen, Air-Gap-Modus und andere Alternativen |
Die Funktion nlp.load(<Model>) | Laden Sie jedes Modell oder jede Pipeline in einer Codezeile |
Die Funktion nlp.load(<Model>).predict(data) | Vorhersagen für Strings , List of Strings , Numpy Arrays , Pandas , Modin und Spark Dataframes |
Die Funktion nlp.load(<train.Model>).fit(data) | Trainieren Sie einen Textklassifizierer für 2-Class , N-Classes Multi-N-Classes , Named-Entitiy-Recognition oder Parts of Speech Tagging |
Die Funktion nlp.load(<Model>).viz(data) | Visualisieren Sie die Ergebnisse von Word Embedding Similarity Matrix , Named Entity Recognizers , Dependency Trees & Parts of Speech , Entity Resolution , Entity Linking oder Entity Status Assertion |
Die Funktion nlp.load(<Model>).viz_streamlit(data) | Zeigen Sie eine interaktive Benutzeroberfläche an, mit der Sie jedes Modell und jede Funktion im 1-Zeiler-Repertoire von Johnsowlabs mit einem Klick erkunden und testen können. |
Diese Bibliothek ist unter der Apache 2.0-Lizenz lizenziert. Die kostenpflichtigen Produkte von John Snow Labs unterliegen dieser Endbenutzer-Lizenzvereinbarung.
Indem Sie nlp.install() aufrufen, um sie Ihrer Umgebung hinzuzufügen, stimmen Sie den Allgemeinen Geschäftsbedingungen zu.
