The aim of this project is to figure out: how can we augment our training data through weak supervision in an active learning loop to gain more out of our data with little annotation.
├── __pycache__
├── allennlp_active_train.py
├── allennlp_train.py
├── args.py
├── constants.py
├── dataset
│ ├── __init__.py
│ ├── __pycache__
│ ├── bio_dataloader.py
│ ├── bio_dataset.py
│ └── fields
│ ├── __init__.py
│ ├── __pycache__
│ ├── float_field.py
│ └── int_field.py
├── heuristics
│ ├── __init__.py
│ ├── __pycache__
│ └── random_heuristic.py
├── models
│ ├── __init__.py
│ ├── __pycache__
│ ├── allennlp_crf.py
│ ├── allennlp_crf_tagger.py
│ ├── crf.py
│ ├── elmo_bilstm_crf.py
│ ├── embedder
│ │ ├── __init__.py
│ │ ├── __pycache__
│ │ ├── cached_text_field_embedder.py
│ │ ├── elmo.py
│ │ ├── glove_embedding.py
│ │ ├── glove_utils.py
│ │ └── ner_elmo.py
│ └── weighted_crf.py
├── oracles
│ ├── __init__.py
│ ├── __pycache__
│ ├── gold_oracle.py
│ └── oracle.py
├── training
│ ├── metrics
│ │ ├── __init__.py
│ │ ├── __pycache__
│ │ ├── average_tag_f1.py
│ │ └── tag_f1.py
│ └── trainer.py
├── utils
│ ├── __init__.py
│ ├── __pycache__
│ ├── dataset_utils.py
│ ├── logger.py
│ ├── logging_utils.py
│ ├── model_utils.py
│ ├── save_file.py
│ ├── saving_utils.py
│ ├── tensor_utils.py
│ └── utils.py
└── weak_supervision
├── __init__.py
├── __pycache__
├── adverserial_functions
├── bio_converter.py
├── collator
│ ├── __init__.py
│ ├── __pycache__
│ ├── collate_utils.py
│ ├── collator.py
│ ├── intersection_collator.py
│ ├── metal_collator.py
│ ├── snorkel_collator.py
│ └── union_collator.py
├── context_window_functions
├── contextual_functions
│ ├── __init__.py
│ ├── __pycache__
│ ├── cwr_linear.py
│ └── utils.py
├── dictionary_functions
│ ├── __init__.py
│ ├── __pycache__
│ ├── glove_knn.py
│ ├── glove_linear.py
│ ├── keyword_match_function.py
│ ├── phrase_match_function.py
│ └── utils.py
├── pos_functions
├── tree_functions
├── types.py
├── weak_data.py
└── weak_function.py$ conda create --name dpd --file deps/conda_requirements.txt
# Setting up conda env
$ bash scripts/setup.sh
# Setting up ...
$ pip freeze > deps/requirements.txt
# Save pip state
$ conda list --export | deps/conda_requirements.txt
# save conda env state