معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Multilingual Offensive Language Identification with Transformers

ویژگی	مقدار
سیستم عامل	-
نام فایل	deepoffense-0.0.2
نام	deepoffense
نسخه کتابخانه	0.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Tharindu Ranasinghe
ایمیل نویسنده	rhtdranasinghe@gmail.com
آدرس صفحه اصلی	https://github.com/TharinduDR/DeepOffense
آدرس اینترنتی	https://pypi.org/project/deepoffense/
مجوز	-

# DeepOffense : Multilingual Offensive Language Identification with Transformers DeepOffense provides state-of-the-art transformer models for multilingual offensive language identification. ## Installation You first need to install PyTorch. THe recommended PyTorch version is 1.5. Please refer to [PyTorch installation page](https://pytorch.org/get-started/locally/#start-locally) regarding the specific install command for your platform. When PyTorch has been installed, you can install from source by cloning the repository and running: ```bash git clone https://github.com/TharinduDR/DeepOffense.git cd DeepOffense pip install -r requirements.txt ``` ## Run the examples Examples are included in the repository but are not shipped with the library. Please refer the [examples](/examples) directory for the examples. Each directory in the [examples](examples) folder contains different languages. ## Pretrained Models English offensive language detection pre-trained model trained with XLM-R large model on OffensEval data can be downloaded using this [link](https://drive.google.com/file/d/1_P3dCLcN3XoJT8BRgFhrwdVMODgyejwI/view?usp=sharing). Once downloading it and unzipping it, they can be loaded easily. To see how to begin the training process please refer the [examples](/examples) directory ```bash model = ClassificationModel("xlmroberta", "path", use_cuda=torch.cuda.is_available()) ``` ## Citation Please consider citing us if you use the library. ```bash @inproceedings{ranasinghe-etal-2020-multilingual, title = "Multilingual Offensive Language Identification with Cross-lingual Embeddings", author = "Ranasinghe, Tharindu and Zampieri, Marcos, booktitle = "Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing", month = nov year = "2020", } ``` Citation for the Malayalam specific paper, ```bash @inproceedings{ranasinghe-etal-2020-wlv, title={WLV-RIT at HASOC 2020: Offensive Language Identification in Code-switched Texts}, author={Ranasinghe, Tharindu and Zampieri, Marcos}, year={2020}, booktitle={Proceedings of FIRE} } ```

نیازمندی

مقدار	نام
-	numpy
-	requests
>=4.47.0	tqdm
-	regex
>=4.2.0	transformers
-	scipy
-	scikit-learn
-	tensorboardx
-	pandas
-	tokenizers
-	matplotlib
-	wandb
-	sentencepiece
-	onnxruntime
-	seqeval

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl deepoffense-0.0.2:

pip install deepoffense-0.0.2.whl

نصب پکیج tar.gz deepoffense-0.0.2:

pip install deepoffense-0.0.2.tar.gz