警告： sticker 已被 SyntaxDot 取代，它支持 许多 新特性

• 多任务学习。
• 预训练的转换器模型，如 BERT 和 XLM-R。
• 除了序列标注外，还包括双线性解析。
• 词形还原。

sticker

sticker 是一个使用神经网络的序列标注器。

简介

sticker 是一个序列标注器，它使用循环神经网络、转换器或扩张卷积神经网络。原则上，它可以用来执行任何序列标注任务，但到目前为止，重点是

• 词性标注
• 拓扑字段标注
• 依存句法分析
• 命名实体识别

功能

• 输入表示
  • finalfusion 嵌入，具有子词单元
  • 双向字节 LSTM
• 隐藏表示
  • 双向循环神经网络（LSTM 或 GRU）
  • 转换器
  • 扩张卷积
• 分类层
  • Softmax（最佳-N）
  • CRF
• 部署
  • 与 libtensorflow 链接的独立二进制文件
  • 非常自由的 许可协议
  • 带有模型的 Docker 容器

状态

sticker 几乎已准备好投入生产，我们正在为 1.0.0 版本做准备。当前版本创建的图表和模型必须与 sticker 1.x.y 兼容。在 1.0.0 发布之前，仍可能发生破坏性 API 或配置文件更改。

下一步是什么

• 安装 sticker
• 预训练模型
• 使用 sticker
• 训练 sticker 模型

参考文献

sticker 使用以下论文中的技术或受到启发

• Finding Function in Form: Compositional Character Models for Open Vocabulary Word Representation. Wang Ling, Chris Dyer, Alan W Black, Isabel Trancoso, Ramón Fermandez, Silvio Amir, Luís Marujo, Tiago Luís, 2015, Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing
• 基于拓扑域的转换依存句法分析. Daniël de Kok, Erhard Hinrichs, 2016, 第54届计算语言学协会年会论文集
• 作为序列标注的可行依存句法分析. Michalina Strzyz, David Vilares, Carlos Gómez-Rodríguez, 2019, 北美计算语言学协会第2019届会议：人机语言技术论文集

问题

您可以在sticker问题跟踪器中报告错误和功能请求。

许可证

sticker遵循蓝橡模型许可版本1.0.0。在tf-proto中的Tensorflow协议缓冲区定义遵循Apache许可证版本2.0。贡献者名单也可用。

致谢

• sticker由Daniël de Kok & Tobias Pütz开发。
• sticker的Python前身由Erik Schill开发。
• Sebastian Pütz和Patricia Fischer对sticker项目中的大量代码进行了审查。