Skip to content

Latest commit

 

History

History
122 lines (90 loc) · 3.58 KB

README.md

File metadata and controls

122 lines (90 loc) · 3.58 KB
Raw

bnaug (Bangla Text Augmentation)

bnaug is a text augmentation tool for Bangla text.

Installation

pip install bnaug
  • Dependencies
    • pytorch >=1.7.0

Demo Notebook

Necessary Model Links

Sentence Augmentation

Token Replacement

  • Mask generation based augmentation

    from bnaug.sentence import TokenReplacement

tokr = TokenReplacement()
text = "আমি ঢাকায় বাস করি।"
output = tokr.masking_based(text, sen_n=5)

  • Word2Vec based augmentation

    from bnaug.sentence import TokenReplacement

tokr = TokenReplacement()
text = "আমি ঢাকায় বাস করি।"
model = "msc/bangla_word2vec/bnwiki_word2vec.model"
output = tokr.word2vec_based(text, model=model, sen_n=5, word_n=5)
print(output)

  • Glove based augmentation

    from bnaug.sentence import TokenReplacement

tokr = TokenReplacement()
text = "আমি ঢাকায় বাস করি।"
vector = "msc/bn_glove.300d.txt"
output = tokr.glove_based(text, vector_path=vector, sen_n=5, word_n=5)
print(output)

Back Translation

Back translation based augmentation first translate Bangla sentence to English and then again translate the English to Bangla.

from bnaug.sentence import BackTranslation

bt = BackTranslation()
text = "বাংলা ভাষা আন্দোলন তদানীন্তন পূর্ব পাকিস্তানে সংঘটিত একটি সাংস্কৃতিক ও রাজনৈতিক আন্দোলন। "
output = bt.get_augmented_sentences(text)
print(output)

Text Generation

  • Paraphrase generation
from bnaug.sentence import TextGeneration

tg = TextGeneration()
text = "বিমানটি যখন মাটিতে নামার জন্য এয়ারপোর্টের কাছাকাছি আসছে, তখন ল্যান্ডিং গিয়ারের খোপের ঢাকনাটি খুলে যায়।"
output = tg.parapharse_generation(text)
print(output)

Random Augmentation

  • Random remove part and generate new sentence

    At present it's removing word, stopwords, punctuations, numbers and generate new sentences

    from bnaug.sentence import RandomAugmentation

raug = RandomAugmentation()
sentence = "আমি ১০০ বাকি দিলাম"
output = raug.random_remove(sentence)
print(output)

    or apply individually

    from bnaug import randaug

text = "১০০ বাকি দিলাম"
output = randaug.remove_digits(text)
print(output)

text = "১০০! বাকি দিলাম?"
output = randaug.remove_punctuations(text)
print(output)

text = "আমি ১০০ বাকি দিলাম"
randaug.remove_stopwords(text)
print(output)

text = "আমি ১০০ বাকি দিলাম"
randaug.remove_random_word(text)
print(output)

text = "আমি ১০০ বাকি দিলাম"
randaug.remove_random_char(text)
print(output)

Inspired from