Facebook AI Research（FAIR）開源了 NLP 建模框架 PyText。

PyText 是一個基於 PyTorch 構建的深度學習 NLP 建模框架。PyText 通過為模型元件提供簡單且可擴充套件的介面和抽象，以及使用 PyTorch 的 Caffe2 執行引擎匯出模型進行推理的功能，模糊了實驗與大規模部署之間的界限。其預訓練模型包括文字分類、序列標註等。

PyTorch 是一個統一的框架，縮短了從研究到生產的路徑，而基於 PyTorch 的 PyText 則著眼於滿足 NLP 建模的特定需求。

核心特性：

適用於各種 NLP/NLU 任務的生產就緒模型

• 文字分類

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

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

• 序列標註

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

• 聯合意圖時隙模型（Joint intent-slot model）

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

• 上下文意圖-時隙模型（Contextual intent-slot models）

支援在 PyTorch 1.0 中基於新 C10d 後端構建的分散式訓練

可擴充套件元件，可輕鬆建立新模型和任務

參考實現和預訓練模型論文：Gupta et al. (2018): Semantic Parsing for Task Oriented Dialog using Hierarchical Representations

支援聯合訓練

專案地址：https://github.com/facebookresearch/pytext

瞭解更多：https://code.fb.com/ai-research/pytext-open-source-nlp-framework/