工业级
自然语言
处理

在 Python 中

完成任务

spaCy 旨在帮助您完成实际工作——构建实际产品或获取实际见解。该库尊重您的时间，并尽量避免浪费它。它易于安装，并且其 API 简单且高效。

极速

spaCy 在大规模信息提取任务方面表现出色。它从头开始使用精心管理的 Cython 编写。如果您的应用程序需要处理整个 Web 转储，那么 spaCy 就是您想要的库。

强大的生态系统

自 2015 年发布以来，spaCy 已成为拥有庞大生态系统的行业标准。您可以从各种插件中进行选择，与您的机器学习堆栈集成并构建自定义组件和工作流程。

Edit the code & try spaCyspaCy v3.7 · Python 3 · via Binder

功能

支持 75+ 种语言
用于25 语言的
84 个训练好的管道
使用预训练的 transformers（如 BERT）进行多任务学习
预训练的 词向量
最先进的速度
生产就绪的 训练系统
基于语言学的分词
用于 命名实体识别、词性标注、依存句法分析、句子分割、文本分类、词形还原、形态分析、实体链接等组件
可轻松扩展为 自定义组件和属性支持在 PyTorch、
TensorFlow 和其他框架中的自定义模型
内置用于语法和 NER 的 可视化工具
轻松 模型打包、部署和工作流程管理

稳健、经过严格评估的准确性
全新

大型语言模型：将 LLM 集成到结构化 NLP 管道中 spacy-llm 包

将大型语言模型 (LLM) 集成到 spaCy 中，具有用于 快速原型设计 和 提示词工程 的模块化系统，并将非结构化响应转换为用于各种 NLP 任务的 稳健输出，无需训练数据。

了解更多
来自 spaCy 的开发者

Prodigy：极高效的机器教学 Prodigy 是一种 标注工具，效率极高，数据科学家可以自行进行标注，从而实现全新水平的快速迭代。无论您是在处理实体识别、意图检测还是图像分类，Prodigy 都可以帮助您

训练和评估您的模型更快。

试用

用于自定义管道的可重现训练 spaCy v3.0 引入了一个全面且可扩展的系统，用于 配置您的训练运行。您的配置文件将描述您的训练运行的每个细节，没有任何隐藏的默认值，使您可以轻松重现您的实验并跟踪更改。您可以使用快速入门小部件或 init config

开始使用

命令开始使用，或克隆项目模板以获得端到端工作流程。

textcat

硬件CPU

GPU (transformer)

优化效率

# This is an auto-generated partial config. To use it with 'spacy train'
# you can run spacy init fill-config to auto-fill all default settings:
# python -m spacy init fill-config ./base_config.cfg ./config.cfg
[paths]
train = null
dev = null
vectors = null
[system]
gpu_allocator = null

[nlp]
lang = "en"
pipeline = []
batch_size = 1000

[components]

[corpora]

[corpora.train]
@readers = "spacy.Corpus.v1"
path = ${paths.train}
max_length = 0

[corpora.dev]
@readers = "spacy.Corpus.v1"
path = ${paths.dev}
max_length = 0

[training]
dev_corpus = "corpora.dev"
train_corpus = "corpora.train"

[training.optimizer]
@optimizers = "Adam.v1"

[training.batcher]
@batchers = "spacy.batch_by_words.v1"
discard_oversize = false
tolerance = 0.2

[training.batcher.size]
@schedules = "compounding.v1"
start = 100
stop = 1000
compound = 1.001

[initialize]
vectors = ${paths.vectors}