非死book開源NLP建模框架PyText，從研究到生產變得更容易

非死book AI Research（FAIR）開源了 NLP 建模框架 PyText。

PyText 是一個基于 PyTorch 構建的深度學習 NLP 建模框架。PyText 通過為模型組件提供簡單且可擴展的接口和抽象，以及使用 PyTorch 的 Caffe2 執行引擎導出模型進行推理的功能，模糊了實驗與大規模部署之間的界限。其預訓練模型包括文本分類、序列標注等。

PyTorch 是一個統一的框架，縮短了從研究到生產的路徑，而基于 PyTorch 的 PyText 則著眼于滿足 NLP 建模的特定需求。

核心特性：

適用于各種 NLP/NLU 任務的生產就緒模型

文本分類

• Yoon Kim (2014): Convolutional Neural Networks for Sentence Classification

• Lin et al. (2017): A Structured Self-attentive Sentence Embedding

序列標注

• Lample et al. (2016): Neural Architectures for Named Entity Recognition

聯合意圖時隙模型（Joint intent-slot model）

• Zhang et al. (2016): A Joint Model of Intent Determination and Slot Filling for Spoken Language Understanding

上下文意圖-時隙模型（Contextual intent-slot models）

支持在 PyTorch 1.0 中基于新 C10d 后端構建的分布式訓練

可擴展組件，可輕松創建新模型和任務

參考實現和預訓練模型論文：Gupta et al. (2018): Semantic Parsing for Task Oriented Dialog using Hierarchical Representations

支持聯合訓練

項目地址：https://github.com/非死bookresearch/pytext

了解更多：https://code.fb.com/ai-research/pytext-open-source-nlp-framework/