論文の概要: EasyNLP: A Comprehensive and Easy-to-use Toolkit for Natural Language Processing

• arxiv url: http://arxiv.org/abs/2205.00258v1
• Date: Sat, 30 Apr 2022 13:03:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-03 14:29:06.971808
• Title: EasyNLP: A Comprehensive and Easy-to-use Toolkit for Natural Language Processing
• Title（参考訳）: EasyNLP: 自然言語処理のための総合的で使いやすいツールキット
• Authors: Chengyu Wang, Minghui Qiu, Taolin Zhang, Tingting Liu, Lei Li, Jianing Wang, Ming Wang, Jun Huang, Wei Lin
• Abstract要約: EasyNLPは、NLPアプリケーションを簡単に構築できるように設計されている。 知識に富んだ事前訓練、知識蒸留、数発の学習が特徴である。 EasyNLPはAlibaba Group内の10以上のビジネスユニットに電力を供給している。
• 参考スコア（独自算出の注目度）: 38.9428437204642
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The success of Pre-Trained Models (PTMs) has reshaped the development of Natural Language Processing (NLP). Yet, it is not easy to obtain high-performing models and deploy them online for industrial practitioners. To bridge this gap, EasyNLP is designed to make it easy to build NLP applications, which supports a comprehensive suite of NLP algorithms. It further features knowledge-enhanced pre-training, knowledge distillation and few-shot learning functionalities for large-scale PTMs, and provides a unified framework of model training, inference and deployment for real-world applications. Currently, EasyNLP has powered over ten business units within Alibaba Group and is seamlessly integrated to the Platform of AI (PAI) products on Alibaba Cloud. The source code of our EasyNLP toolkit is released at GitHub (https://github.com/alibaba/EasyNLP).
• Abstract（参考訳）: PTM(Pre-Trained Models)の成功は、自然言語処理(NLP)の発展を形変えた。 しかし、高いパフォーマンスのモデルを取得して、それを産業従事者にオンラインに展開するのは容易ではない。 このギャップを埋めるため、EasyNLPは、NLPアルゴリズムの包括的なスイートをサポートするNLPアプリケーションの構築を容易にするように設計されている。 さらに、知識強化事前トレーニング、知識蒸留、大規模ptmのための数少ない学習機能、実世界のアプリケーションのためのモデルトレーニング、推論、デプロイの統一フレームワークを提供する。 現在EasyNLPはAlibaba Group内の10以上のビジネスユニットを運用しており、Alibaba Cloud上のPlatform of AI(PAI)製品にシームレスに統合されている。 EasyNLPツールキットのソースコードはGitHubで公開されている(https://github.com/alibaba/EasyNLP)。

関連論文リスト

• CMULAB: An Open-Source Framework for Training and Deployment of Natural Language Processing Models [59.91221728187576]
  本稿では,NLPモデルのモデル展開と連続的なヒューマン・イン・ザ・ループの微調整を簡単にするオープンソースフレームワークであるCMU言語バックエンドを紹介する。 CMULABは、マルチ言語モデルのパワーを活用して、音声認識、OCR、翻訳、構文解析などの既存のツールを新しい言語に迅速に適応し、拡張することができる。
  論文  参考訳（メタデータ） (2024-04-03T02:21:46Z)
• VNLP: Turkish NLP Package [0.0]
  VNLPは、トルコ語のための最先端自然言語処理(NLP)パッケージである。 テキスト分割やテキスト正規化といった最も単純なタスクから、テキストやトークンの分類モデルといったより高度なタスクまで、幅広いツールが含まれている。 VNLPには、オープンソースのGitHubリポジトリ、ReadtheDocsドキュメント、便利なインストールのためのPyPiパッケージ、Python、コマンドラインAPIがある。
  論文  参考訳（メタデータ） (2024-03-02T20:46:56Z)
• HugNLP: A Unified and Comprehensive Library for Natural Language Processing [14.305751154503133]
  本稿では,HugingFace Transformersのバックエンドを備えた自然言語処理(NLP)ライブラリであるHugNLPを紹介する。 HugNLPは、モデル、プロセッサ、アプリケーションを含む階層構造で構成され、異なるNLPタスクで事前訓練された言語モデル(PLM)の学習プロセスを統一する。
  論文  参考訳（メタデータ） (2023-02-28T03:38:26Z)
• Number Entity Recognition [65.80137628972312]
  番号は他のワードトークンと同様に、自然言語処理(NLP)モデルを構築し、デプロイするテキストの必須コンポーネントである。 本研究では、最先端のNLPモデルの可能性を活用し、関連するタスクにおける性能向上能力の伝達を試みる。 提案した数値をエンティティに分類することで,手作りのFill-In-The-Blank (FITB)タスクや,関節埋め込みを用いた質問応答など,NLPモデルの性能が向上する。
  論文  参考訳（メタデータ） (2022-05-07T05:22:43Z)
• STAMP 4 NLP -- An Agile Framework for Rapid Quality-Driven NLP Applications Development [3.86574270083089]
  我々は,NLPアプリケーションを開発するための反復的・漸進的なプロセスモデルとしてSTAMP 4 NLPを紹介した。 STAMP 4 NLPでは、ソフトウェアエンジニアリングの原則とデータサイエンスのベストプラクティスをマージします。 反復的・増分的なアプローチにより、企業は、イテレーション毎にプロトタイプの強化バージョンをソフトウェア環境にデプロイできます。
  論文  参考訳（メタデータ） (2021-11-16T12:20:47Z)
• FedNLP: A Research Platform for Federated Learning in Natural Language Processing [55.01246123092445]
  NLPのフェデレーションラーニングのための研究プラットフォームであるFedNLPを紹介します。 FedNLPは、テキスト分類、シーケンスタグ付け、質問応答、Seq2seq生成、言語モデリングなど、NLPで一般的なタスクの定式化をサポートしている。 FedNLPによる予備実験では、分散型データセットと集中型データセットの学習には大きなパフォーマンスギャップが存在することが明らかになった。
  論文  参考訳（メタデータ） (2021-04-18T11:04:49Z)
• A Data-Centric Framework for Composable NLP Workflows [109.51144493023533]
  アプリケーションドメインにおける経験的自然言語処理システム(例えば、ヘルスケア、ファイナンス、教育)は、複数のコンポーネント間の相互運用を伴う。 我々は,このような高度なNLPの高速な開発を支援するために,統一的なオープンソースフレームワークを構築した。
  論文  参考訳（メタデータ） (2021-03-02T16:19:44Z)
• EasyTransfer -- A Simple and Scalable Deep Transfer Learning Platform for NLP Applications [65.87067607849757]
  EasyTransferは自然言語処理(NLP)アプリケーションのためのディープトランスファー学習アルゴリズムを開発するためのプラットフォームである。 EasyTransfer は ModelZoo で様々な NLP モデルをサポートしている。 EasyTransferは現在Alibabaにデプロイされており、さまざまなビジネスシナリオをサポートしている。
  論文  参考訳（メタデータ） (2020-11-18T18:41:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。