stanza: 一个支持 60 多种语言并具有神经流水线的多语言 Python NLP 库，以及专门的生物医学模型

它解决了什么问题

Stanza 为 60 多种人类语言提供了一套全面的、准确的自然语言处理 (NLP) 工具，消除了从头开始构建特定语言流水线的需求。它还弥合了 Python 用户与基于 Java 的 Stanford CoreNLP 软件之间的差距。

它是如何工作的

Stanza 使用 PyTorch 实现了一个可以下载并在本地运行的神经流水线。它支持多种 NLP 任务，包括分词 (tokenization)、词形还原 (lemmatization)、词性标注 (part-of-speech tagging) 和依存句法分析 (dependency parsing)。此外，它还作为 Java Stanford CoreNLP 软件的 Python 封装器 (wrapper)，允许用户通过环境变量和客户端接口访问其功能。

它是为谁设计的

它专为进行语言学分析的研究人员和开发人员设计，也适用于处理生物医学和临床文献等专业领域的从业者。

亮点

• 广泛的语言支持：基于 Universal Dependencies 的 60 多种语言的预训练模型。
• 专门的领域模型：针对生物医学和临床英语文本的专用模型包。
• 灵活的实现方式：同时提供原生的 PyTorch 神经流水线和 Java CoreNLP 的封装器。
• 可定制性：所有神经模块都可以使用 CoNLL-U 或 BIOES 格式在自定义数据上进行训练。