Forte是一个可扩展的框架，用于构建可组合和模块化的NLP工作流。
forte的Python项目详细描述
Forte是一个用于构建自然语言处理管道的工具包，具有跨任务的特点 交互、适应性强的数据模型接口等等。Forte最初是开发的 由Petuum与其他研究所合作积极贡献。 此存储库的镜像由Petuum Open Source维护。在
它提供了一个组装的平台 以高度可组合的方式使用最先进的NLP和ML技术，包括 任务范围从信息检索、自然语言理解到自然 语言生成。在
使用Forte，构建一个可以搜索文档的集成系统非常简单， 在一个地方分析和提取信息并生成语言。这允许开发人员 充分利用和结合每一步的力量和成果，并允许系统 在管道末端做出充分知情的决定。在
虽然组合任意第三方工具非常容易（请查看这些examples！）, Forte还通过Texar支持深度学习，并通过提供 允许用户将任务转换为模型的模型数据接口。在
核心设计原则
Forte的核心设计原则是抽象NLP概念和机器学习模型， 它在数据、模型和任务之间提供了更好的分离，但支持交互 管道不同部件之间。基于此，我们提出了以下建议：
- 在
Composable：Forte帮助用户将问题分解为data、models和{em1}$tasks。 任务可以进一步划分为子任务。复杂的用例 可以通过简单的python api或声明性的方法来解决异构模块的问题 配置文件。管道中的组件（例如模型或任务）可以灵活地 交换，只要API合同匹配。该方法极大地改进了模块 可重用性，使快速开发成为可能，并使库灵活满足用户需求。在
在 - 在
Generalizable and Extensible：Forte促进泛化，不仅支持 NLP任务的范围，但也可扩展到新任务或新域。尤其是Forte 提供Ontology系统，帮助用户根据任务定义类型。 用户只需通过JSON文件以声明方式指定类型。我们的代码生成工具 将自动生成python文件，以便在您的项目中使用。看看我们的 Ontology Generation documentation了解更多详细信息。在
在 - 在
通用数据流：Forte可组合体系结构的核心是通用数据 支持不同步骤之间无缝数据流的格式。Forte提倡透明 数据流有助于灵活的过程干预和简单的管道控制。与 通用数据格式Forte是数据检查、组件交换和 结果共享。这在团队协作中特别有用！在
在
| A high level Architecture of Forte showing how ontology and entries work with the pipeline. |
^{tb2}$
套餐概述
| forte | an open-source toolkit for NLP |
| forte.data.readers | a data module for reading different formats of text data like CoNLL, Ontonotes etc |
| forte.processors | a collection of processors for building NLP pipelines |
| forte.trainer | a collection of modules for training different NLP tasks |
| ft.onto.base_ontology | a module containing basic ontologies like Token, Sentence, Document etc |
库API示例
运行命名实体识别器的简单代码示例
importyamlfromforte.pipelineimportPipelinefromforte.data.readersimportCoNLL03Readerfromforte.processorsimportCoNLLNERPredictorfromft.onto.base_ontologyimportToken,Sentencefromforte.common.configurationimportConfigconfig_data=yaml.safe_load(open("config_data.yml","r"))config_model=yaml.safe_load(open("config_model.yml","r"))config=Config({},default_hparams=None)config.add_hparam('config_data',config_data)config.add_hparam('config_model',config_model)pl=Pipeline()pl.set_reader(CoNLL03Reader())pl.add(CoNLLNERPredictor(),config=config)pl.initialize()forpackinpl.process_dataset(config.config_data.test_path):forpred_sentenceinpack.get_data(context_type=Sentence,request={Token:{"fields":["ner"]}}):print("============================")print(pred_sentence["context"])print("The entities are...")print(pred_sentence["Token"]["ner"])print("============================")
{a10}还有很多例子。在
下载和安装
要从PyPI安装已发布的版本，请执行以下操作：
^{pr2}$从源安装
git clone https://github.com/asyml/forte.git
cd forte
pip install .
入门
- Examples
- Documentation
- 我们正在研究一个有趣的tutorials
贡献
如果您有兴趣对Forte进行增强，请快速浏览我们的Code of Conduct和{a15}
许可证
支持Forte
在
在
- 项目
标签：
欢迎加入QQ群-->： 979659372
