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

news categories classifiers for news title

ویژگی	مقدار
سیستم عامل	-
نام فایل	fasttopi-0.9
نام	fasttopi
نسخه کتابخانه	0.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Yamen Ajjour
ایمیل نویسنده	yajjour@hotmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/fasttopi/
مجوز	-

*Fast-topi* is a framework to develop and deploy models as an api service. The model or the service takes as an input a title and returns one of the following categories: **Entertainment**, **Tech**, **Business**, and **Health**. The framework is centered around a common configuration file ``config.yaml`` where all parameters for developing the model and deploying the REST api are stored. The general use case for using *fast-topi* is deploying a service and then querying it via the command line. ``` ./deploy.sh python client.py --title Elon Musk named Time's Person of the year for 2020 ``` ## Install To install fast-topi using pip run ``` pip install fast-topi ``` ## REST API Deployment To deploy a REST api locally run the following command. ``` ./deploy.sh ``` Once the REST api is up and running, you can use the following path to query it ``` http://127.0.0.1:80/categories/?title=Elon usk named Time's Person of the year for 2021 ``` This will retrun a json object containing {"category":"tech"} for this title. ## Command line client To get the news category for a given title you can use the command line client. A prerequisite is that the rest api is already deploied. ``` python client.py --title "Elon usk named Time's Person of the year for 2021" ``` ## Experiments To train and test a new model you can run one of the following experiments. By default, a logistic regression model will be used using token n-grams. An alterantive is using a majority baseline by using ``--baseline``. #### Cross validation experiments To run a n-folds cross validation experiments on part of the dataset run the following command. This will create a holdout set on which can be used to evaluate the model. The effectiveness of the classifier will be calculated for all available hyper parameter (c) in the ``config.yaml`` file. By default, the classifier will be evaluated on 5 splits and a holdout set will be created with 10 % of the whole dataset. To change these parameters you can edit the parameters ``split_counts `` and ``holdout_perc`` in the configuration file ``config.yaml``. ``` python experiment.py --crossvalidate ``` #### Testing on holdout set Runs a one-split experiment classifier on the dataset by creating a holdout set which will be used to evaluate the model. ``` python experiment.py --test ``` #### Training a model To train a final model on the whole dataset and use it for the REST api use the command. This will store a new model under ``models/model.pkl``. To change the default path of the model, edit the ``config.yaml`` file. ``` python experiment.py --train ``` The experiment script allows to run experiments on a sample of the dataset using ``--sample``. The size of the sample is stored on the ``config.yaml`` file. ## Code testing ``` python -m unittest tests/*.py ``` ## Configuration The configuration for the REST api, model, experiments, and dataset are stored as yaml file under ``config.yaml``. ## Dependencies To install the needed dependencies use the following command. ```pip install --r requirements.txt```

نیازمندی

مقدار	نام
==1.0.1	scikit-learn
-	pandas
-	fastapi
-	uvicorn
-	pyyaml

نحوه نصب

نصب پکیج whl fasttopi-0.9:

pip install fasttopi-0.9.whl

نصب پکیج tar.gz fasttopi-0.9:

pip install fasttopi-0.9.tar.gz