bnaug (Bangla Text Augmentation)

bnaug is a text augmentation tool for Bangla text.

Installation

pip install bnaug

• Dependencies
  • pytorch >=1.7.0

Demo Notebook

• bnaug demo

Necessary Model Links

• word2vec
• glove vector

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

• nlpaug
• amitness blog post