spacy-streamlit: spaCy构建块，用于Streamlit应用程序

此软件包包含用于可视化spaCy模型和构建交互式spaCy应用程序的实用程序。它包括各种构建块，您可以在自己的Streamlit应用程序中使用，例如用于视觉化的构建块，如句法依存关系、命名实体、文本分类、通过词向量进行的语义相似性、标记属性等。

🚀 快速入门

您可以从pip安装spacy-streamlit

pip install spacy-streamlit

该软件包包括调用Streamlit并为您设置所有必需元素的构建块。您可以直接使用单个组件并将它们与您的应用程序中的其他元素结合，或者调用visualize函数来嵌入整个可视化器。

下载spaCy的英文模型以开始。

python -m spacy download en_core_web_sm

然后将以下示例代码放入文件中。

# streamlit_app.py
import spacy_streamlit

models = ["en_core_web_sm", "en_core_web_md"]
default_text = "Sundar Pichai is the CEO of Google."
spacy_streamlit.visualize(models, default_text)

您可以使用streamlit run streamlit_app.py运行您的应用程序。应用程序应在您的网页浏览器中弹出。😀

📦 示例： 01_out-of-the-box.py

使用内置的可视化器，带有自定义设置。

streamlit run https://raw.githubusercontent.com/explosion/spacy-streamlit/master/examples/01_out-of-the-box.py

👑 示例： 02_custom.py

在您的现有应用程序中使用单个组件。

streamlit run https://raw.githubusercontent.com/explosion/spacy-streamlit/master/examples/02_custom.py

🎛 API

可视化器组件

这些函数可以在您的Streamlit应用程序中使用。它们在底层调用streamlit并设置所需元素。

函数 visualize

嵌入带有选定组件的全视觉器。

import spacy_streamlit

models = ["en_core_web_sm", "/path/to/model"]
default_text = "Sundar Pichai is the CEO of Google."
visualizers = ["ner", "textcat"]
spacy_streamlit.visualize(models, default_text, visualizers)

函数 visualize_parser

使用spaCy的displacy visualizer可视化依赖解析和词性标签。

import spacy
from spacy_streamlit import visualize_parser

nlp = spacy.load("en_core_web_sm")
doc = nlp("This is a text")
visualize_parser(doc)

函数 visualize_ner

使用spaCy的displacy visualizer在Doc中可视化命名实体。

import spacy
from spacy_streamlit import visualize_ner

nlp = spacy.load("en_core_web_sm")
doc = nlp("Sundar Pichai is the CEO of Google.")
visualize_ner(doc, labels=nlp.get_pipe("ner").labels)

函数 visualize_spans

使用 spaCy 的 displacy 可视化器 在 Doc 中可视化跨度。

import spacy
from spacy_streamlit import visualize_spans

nlp = spacy.load("en_core_web_sm")
doc = nlp("Sundar Pichai is the CEO of Google.")
span = doc[4:7]  # CEO of Google
span.label_ = "CEO"
doc.spans["job_role"] = [span]
visualize_spans(doc, spans_key="job_role", displacy_options={"colors": {"CEO": "#09a3d5"}})

函数 visualize_textcat

可视化由训练文本分类器预测的文本类别。

import spacy
from spacy_streamlit import visualize_textcat

nlp = spacy.load("./my_textcat_model")
doc = nlp("This is a text about a topic")
visualize_textcat(doc)

visualize_similarity

使用模型词向量可视化语义相似度。如果没有模型中存在向量，将显示警告。

import spacy
from spacy_streamlit import visualize_similarity

nlp = spacy.load("en_core_web_lg")
visualize_similarity(nlp, ("pizza", "fries"))

函数 visualize_tokens

可视化 Doc 中的标记及其属性。

import spacy
from spacy_streamlit import visualize_tokens

nlp = spacy.load("en_core_web_sm")
doc = nlp("This is a text")
visualize_tokens(doc, attrs=["text", "pos_", "dep_", "ent_type_"])

缓存助手

这些助手尝试缓存加载的模型和创建的 Doc 对象。

函数 process_text

使用给定名称的模型处理文本并创建 Doc 对象。调用 load_model 助手来加载模型。

import streamlit as st
from spacy_streamlit import process_text

spacy_model = st.sidebar.selectbox("Model name", ["en_core_web_sm", "en_core_web_md"])
text = st.text_area("Text to analyze", "This is a text")
doc = process_text(spacy_model, text)

函数 load_model

从路径或已安装的包加载 spaCy 模型并返回加载的 nlp 对象。

import streamlit as st
from spacy_streamlit import load_model

spacy_model = st.sidebar.selectbox("Model name", ["en_core_web_sm", "en_core_web_md"])
nlp = load_model(spacy_model)