johnsnowlabs
John Snow Labs 5.5.1 Release
La bibliothèque John Snow Labs fournit une API Python simple et unifiée pour fournir des solutions de traitement du langage naturel de niveau entreprise :
Page d'accueil : https://www.johnsnowlabs.com/
Documents et démos : https://nlp.johnsnowlabs.com/
Propulsé par l'écosystème d'entreprise de John Snow Labs :
! pip install johnsnowlabs
from johnsnowlabs import nlp
nlp . load ( 'emotion' ). predict ( 'Wow that was easy!' )Voir la documentation pour plus de détails.
Ce sont des exemples de réalisation de tâches avec une seule ligne de code. Consultez la documentation sur les concepts généraux pour créer des pipelines personnalisés.
# Example of Named Entity Recognition
nlp . load ( 'ner' ). predict ( "Dr. John Snow is an British physician born in 1813" )Retours :
| entités | entités_classe | entités_confiance |
|---|---|---|
| John Neige | PERSONNE | 0,9746 |
| britannique | NORP | 0,9928 |
| 1813 | DATE | 0,5841 |
# Example of Question Answering
nlp . load ( 'answer_question' ). predict ( "What is the capital of Paris" )Retours :
| texte | répondre |
|---|---|
| Quelle est la capitale de la France | Paris |
# Example of Sentiment classification
nlp . load ( 'sentiment' ). predict ( "Well this was easy!" )Retours :
| texte | sentiment_class | sentiment_confiance |
|---|---|---|
| Eh bien, c'était facile ! | position | 0,999901 |
nlp . load ( 'ner' ). viz ( 'Bill goes to New York' ) Retours : 
Pour un aperçu complet, voir la référence 1-liners et l'atelier.
Pour utiliser les produits payants de John Snow Labs comme Healthcare NLP, [Visual NLP], [Legal NLP] ou [Finance NLP], obtenez une clé de licence, puis appelez nlp.install() pour l'utiliser :
! 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." )Ce sont des exemples de réalisation de tâches avec une seule ligne de code. Consultez la documentation sur les concepts généraux pour créer des pipelines personnalisés.
# 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.' ) renvoie : 
# Temporal Relationship Extraction&Visualization
nlp . load ( 'relation.temporal_events' )
. viz ( 'The patient developed cancer after a mercury poisoning in 1999 ' ) renvoie : 
Jetez un œil à la page officielle de Johnsnowlabs : https://nlp.johnsnowlabs.com pour la documentation utilisateur et des exemples.
| Ressource | Description |
|---|---|
| Concepts généraux | Concepts généraux dans la bibliothèque Johnsnowlabs |
| Présentation des 1-liners | Modèles les plus couramment utilisés et leurs résultats |
| Présentation des 1-liners pour les soins de santé | Modèles de soins de santé les plus couramment utilisés et leurs résultats |
| Aperçu de tous les cahiers 1 ligne | Plus de 100 tutoriels sur la façon d'utiliser les 1 lignes sur des ensembles de données textuelles pour divers problèmes et provenant de diverses sources telles que Twitter, Chinese News, Crypto News Headlines, Airline Traffic communication, Product review classifier training, |
| Connectez-vous avec nous sur Slack | Des problèmes, des questions ou des suggestions ? Nous avons une communauté très active et utile de plus de 2000 passionnés d'IA qui mettent à profit les produits Johnsnowlabs. |
| Forum de discussion | Une discussion plus approfondie avec la communauté ? Publier un fil de discussion dans notre forum de discussion |
| Problèmes GitHub | Signaler un bug |
| Installation personnalisée | Installations personnalisées, mode Air-Gap et autres alternatives |
La fonction nlp.load(<Model>) | Chargez n'importe quel modèle ou pipeline dans une seule ligne de code |
La fonction nlp.load(<Model>).predict(data) | Prédire sur Strings , List of Strings , Numpy Arrays , Pandas , trames de données Modin et Spark Dataframes |
La fonction nlp.load(<train.Model>).fit(data) | Former un classificateur de texte pour 2-Class , N-Classes , Multi-N-Classes , Named-Entitiy-Recognition ou Parts of Speech Tagging |
La fonction nlp.load(<Model>).viz(data) | Visualisez les résultats de Word Embedding Similarity Matrix , Named Entity Recognizers , Dependency Trees & Parts of Speech , Entity Resolution , Entity Linking ou Entity Status Assertion |
La fonction nlp.load(<Model>).viz_streamlit(data) | Affichez une interface graphique interactive qui vous permet d'explorer et de tester chaque modèle et fonctionnalité du répertoire 1-liner de Johnsowlabs en 1 clic. |
Cette bibliothèque est sous licence Apache 2.0. Les produits payants de John Snow Labs sont soumis au présent contrat de licence d'utilisateur final.
En appelant nlp.install() pour les ajouter à votre environnement, vous acceptez ses termes et conditions.
