由 SyntaxDot 成功：https://github.com/tensordot/syntaxdot

警告：贴纸由SyntaxDot 继承，它支持许多新功能：多任务学习。预训练的 Transformer 模型，例如 BERT 和 XLM-R。除了作为序列标签解析之外，还进行双仿射解析。词形还原。贴纸贴纸是使用神经网络的序列标记器。介绍贴纸是一个序列标签器，它使用循环神经网络、变压器或扩张卷积网络。原则上，它可用于执行任何序列标记任务，但到目前为止重点是：词性标注拓扑场标记依赖解析命名实体识别特征输入表示：带有子词单元的finalfusion嵌入双向字节 LSTM隐藏表示：双向循环神经网络（LSTM 或 GRU）变形金刚扩张卷积分类层：Softmax（最佳 N）CRF部署：与libtensorflow链接的独立二进制文件非常自由的执照带有模型的 Docker 容器地位贴纸几乎可以生产了，我们正在准备发布 1.0.0。使用当前版本创建的图形和模型必须与贴纸 1.xy 一起使用 在 1.0.0 发布之前，API 或配置文件的更改可能仍然存在。从这往哪儿走安装贴纸预训练模型使用贴纸训练贴纸模型参考贴纸使用来自以下论文的技术或受到以下论文的启发：在形式中寻找功能：开放词汇词表示的组合字符模型。W