PyText基于 PyTorch 的 NLP 建模框架

PyText 是一个基于 PyTorch 构建的深度学习 NLP 建模框架。PyText 通过为模型组件提供简单且可扩展的接口和抽象，以及使用 PyTorch 的 Caffe2 执行引擎导出模型进行推理的功能，模糊了实验与大规模部署之间的界限。其预训练模型包括文本分类、序列标注等。

PyTorch 是一个统一的框架，缩短了从研究到生产的路径，而基于 PyTorch 的 PyText 则着眼于满足 NLP 建模的特定需求。

核心特性：

- 适用于各种 NLP/NLU 任务的生产就绪模型

• 文本分类

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

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

• 序列标注

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

• 联合意图时隙模型（Joint intent-slot model）

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

• 上下文意图-时隙模型（Contextual intent-slot models）

- 支持在 PyTorch 1.0 中基于新 C10d 后端构建的分布式训练

- 可扩展组件，可轻松创建新模型和任务

- 参考实现和预训练模型论文：Gupta et al. (2018): Semantic Parsing for Task Oriented Dialog using Hierarchical Representations

- 支持联合训练