跳转至

语法分析

模型基本信息

该 Module 是 jieba 使用 PaddlePaddle 深度学习框架搭建的切词网络(双向 GRU)。同时也支持 jieba 的传统切词方法,如精确模式、全模式、搜索引擎模式等切词模式,使用方法和 jieba 保持一致。

参考:https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.2/modules/text/lexical_analysis/jieba_paddle

样本结果示例

"今天天气真好"
["今天", "天气", "真好"]

现在就来试试吧

先决条件

1、环境依赖

请访问 依赖项

2、jieba_paddle 依赖

  • paddlepaddle >= 1.8.0

  • paddlehub >= 1.8.0

3、下载模型

hub install jieba_paddle

服务模型

安装 Pinferencia

首先,让我们安装 Pinferencia

pip install "pinferencia[streamlit]"

创建app.py

让我们将我们的预测函数保存到一个文件 app.py 中并添加一些行来注册它。

app.py
 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
import paddlehub as hub

from pinferencia import Server, task

lexical_analysis = hub.Module(name="jieba_paddle")


def predict(text: str):
    return lexical_analysis.cut(text, cut_all=False, HMM=True)


service = Server()
service.register(
    model_name="lexical_analysis", model=predict, metadata={"task": task.TEXT_TO_TEXT}
)

运行服务,等待它加载模型并启动服务器:

$ uvicorn app:service --reload
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)
INFO:     Started reloader process [xxxxx] using statreload
INFO:     Started server process [xxxxx]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
$ pinfer app:service --reload

Pinferencia: Frontend component streamlit is starting...
Pinferencia: Backend component uvicorn is starting...

测试服务

打开http://127.0.0.1:8501,模板 Text to Text 会自动选中。

png

请求

curl --location --request POST \
    'http://127.0.0.1:8000/v1/models/lexical_analysis/predict' \
    --header 'Content-Type: application/json' \
    --data-raw '{
        "data": "今天天气真好"
    }'

响应

{
    "model_name": "lexical_analysis",
    "data": [
        "今天",
        "天气",
        "真好"
    ]
}

创建test.py

test.py
1
2
3
4
5
6
7
8
import requests


response = requests.post(
    url="http://localhost:8000/v1/models/lexical_analysis/predict",
    json={"data": "今天天气真好"}
)
print(response.json())
运行脚本并检查结果。

$ python test.py
{
    "model_name": "lexical_analysis",
    "data": [
        "今天",
        "天气",
        "真好"
    ]
}

更酷的是,访问 http://127.0.0.1:8501,您将拥有一个交互式UI。

您可以在那里发送预测请求!