Stanza NLP Stanford: funzionalità e applicazioni
Stanza (ex StanfordNLP) è libreria NLP (Natural Language Processing) open-source, state-of-the-art, dal Stanford NLP Group. Fornisce pipeline accurate, multilingue per task NLP core.
Capacità core
- Tokenizzazione & Sentence Splitting: Robuste per 70+ lingue.
- Part-of-Speech (POS) Tagging: Tagset Universal Dependencies (UD).
- Lemmatizzazione: Forma dizionario parole.
- Dependency Parsing: Relazioni sintattiche UD.
- Named Entity Recognition (NER): 18 tipi entità (persona, org, luogo, data, ecc.).
- Coreference Resolution: Collega pronomi ad antecedenti.
- Constituency Parsing: Alberi struttura frase.
Caratteristiche chiave
- Multilingue: Modelli pre-addestrati per 70+ lingue (incluse low-resource).
- Architettura neurale: BiLSTM + modelli transformer-based; GPU accelerated.
- API Pythonica: Interfaccia pipeline semplice (`stanza.Pipeline(lang='en')`).
- Personalizzabile: Train/fine-tune su dati dominio (biomedicale, legale, ecc.).
- Riproducibile: Modelli versionati, inferenza deterministica.
Applicazioni
- Text mining biomedicale (note cliniche, letteratura)
- Estrazione informazione, costruzione knowledge graph
- Sentiment analysis, opinion mining
- Preprocessing traduzione automatica
- Chatbot, sistemi dialogo
- Analisi documenti legali
- Monitoraggio social media
Accesso
Open-source (Apache 2.0). Install: `pip install stanza`. Modelli scaricati automaticamente al primo uso. Documentazione e modelli: stanfordnlp.github.io/stanza.