Basic language processing/nl: Difference between revisions

Latest revision as of 07:24, 9 May 2025

Onder eenvoudige taalverwerking verstaan we part-of-speech tagging, lemmatisering, named entity recognition, chunking en gelijksoortige taken die individuele woorden labelen.

Hedendaags Nederlands

Frog

Frog is een voor het Nederlands ontwikkelde integratie van memory-based natuurlijke taalverwerkingsmodules (NLP). De huidige versie van Frog zal woordtokens in Nederlandse tekstbestanden tokeniseren, taggen, lemmatiseren, en morfologisch segmenteren. Daarnaast zal Frog een afhankelijkheidsdiagram toevoegen aan elke zin, de basiszinsdelen identificeren en de tool zal proberen om alle named entities te vinden en te labelen.

DeepFrog

DeepFrog streeft ernaar om een (gedeeltelijke) opvolger te zijn van het Nederlandse NLP-project Frog. Waar de verscheidene NLP-modules in Frog nog waren gebouwd op k-NN classifiers, bouwt DeepFrog op deep learning techniques en kan het een verscheidenheid aan neurale transformatoren gebruiken.

POS-tagger

Het systeem is nog niet officieel vrijgegeven.

Github-pagina

LeTs

LeTs is een preprocessor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans.

Spacy

Componenten: tok2vec, morphologizer, tagger, parser, lemmatizer (trainable_lemmatizer), senter, ner.

Nederlandse modellen

Stanza - Een Python NLP Package voor natuurlijke talen =

Stanza is een verzameling nauwkeurige en efficiënte tools voor de linguïstische analyse van veel menselijke talen.

Stanza-Github-pagina's

Trankit

Trankit is een lichte python toolkit voor meertalige NLP. Het voorziet in een trainbare pijplijn voor basis taalverwerking voor meer dan 100 talen, 90 downloadbare voorgetrainde pipelines voor 56 talen.

Trankit Github pages

Historisch Nederlands

GaLaHaD: Genereren van Linguïstische Annotaties voor Historisch Nederlands

Galahad wil annotatie en evaluatie van tools makkelijk toegankelijk maken en wil het voor ontwikkelaars makkelijk maken hun tools en modellen bij te dragen aan het platform, om ze zo te vergelijken met andere tools, getest op goudstandaard data.

Webservice

Adelheid Tagger-Lemmatizer: A Distributed Lemmatizer for Historical Dutch

Met deze webapplicatie kan een eindgebruiker historische Nederlandse teksten invoeren die vervolgens worden getokeniseerd, gelemmatiseerd en ge-POS-tagd. De applicatie maakt gebruik van de meest geschikte bronnen (zoals lexica) voor de desbetreffende tekst. Voor elke specifieke tekst kan een gebruiker de beste bronnen selecteren uit de beschikbare bronnen in CLARIN, waar deze ook terug te mogen vinden zijn, en waar nodig kunnen deze worden aangevuld met eigen lexica.

CLAPOP-pagina
Geen werkende versie gevonden

@@ Line 1: / Line 1: @@
+<languages/>
 Onder eenvoudige taalverwerking verstaan we part-of-speech tagging, lemmatisering, named entity recognition, chunking en gelijksoortige taken die individuele woorden labelen.
-== Frog ==
+<span id="Contemporary_Dutch"></span>
-Frog is een voor het Nederlands ontwikkelde integratie van memory-based natuurlijke taalverwerkingsmodules (NLP). De huidige versie van Frog zal woordtokens in Nederlandse tekstbestanden tokeniseren, taggen, lemmatiseren, en morfologisch segmenteren. Daarnaast zal Frog een afhankelijksdiagram toevoegen aan elke zin, de basiszinsdeelchunks identificeren en het zal pogen om alle named entities te vinden en te labelen.
+==Hedendaags Nederlands==
+=== Frog ===
+Frog is een voor het Nederlands ontwikkelde integratie van memory-based natuurlijke taalverwerkingsmodules (NLP). De huidige versie van Frog zal woordtokens in Nederlandse tekstbestanden tokeniseren, taggen, lemmatiseren, en morfologisch segmenteren. Daarnaast zal Frog een afhankelijkheidsdiagram toevoegen aan elke zin, de basiszinsdelen identificeren en de tool zal proberen om alle named entities te vinden en te labelen.
 *[https://webservices.cls.ru.nl/frog Online versie]
 *[https://languagemachines.github.io/frog/ Projectwebsite]
-== DeepFrog ==
+=== DeepFrog ===
 DeepFrog streeft ernaar om een (gedeeltelijke) opvolger te zijn van het Nederlandse NLP-project Frog. Waar de verscheidene NLP-modules in Frog nog waren gebouwd op k-NN classifiers, bouwt DeepFrog op deep learning techniques en kan het een verscheidenheid aan neurale transformatoren gebruiken.
@@ Line 15: / Line 21: @@
 *[https://github.com/proycon/deepfrog Github-pagina]
-== LeTs ==
+<span id="LeTs"></span>
-LeTs is een pre-processor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans.
+=== LeTs ===
+LeTs is een preprocessor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans.
+LeTs is een preprocessor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans.
 *[https://lt3.ugent.be/resources/lets/ Projectpagina]
 *[https://lt3.ugent.be/lets-demo/ Demo]
-== Spacy ==
+=== Spacy ===
+Componenten: tok2vec, morphologizer, tagger, parser, lemmatizer (trainable_lemmatizer), senter, ner.
 [https://spacy.io/models/nl Nederlandse modellen]
-== Stanza - A Python NLP Package for Many Human Languages ==
+<span id="Stanza_-_A_Python_NLP_Package_for_Many_Human_Languages"></span>
+== Stanza - Een Python NLP Package voor natuurlijke talen ===
 Stanza is een verzameling nauwkeurige en efficiënte tools voor de linguïstische analyse van veel menselijke talen.
 * [https://stanfordnlp.github.io/stanza/#stanza--a-python-nlp-package-for-many-human-languages Stanza-Github-pagina's]
+===Trankit===
+Trankit is een lichte python toolkit voor meertalige NLP. Het voorziet in een trainbare pijplijn voor basis taalverwerking voor meer dan 100 talen, 90 downloadbare voorgetrainde pipelines voor 56 talen.
+*[https://github.com/nlp-uoregon/trankit Trankit Github pages]
+<span id="Historical_Dutch"></span>
+==Historisch Nederlands==
+<span id="GaLaHaD:_Generating_Linguistic_Annotations_for_Historical_Dutch"></span>
+===GaLaHaD:  Genereren van Linguïstische Annotaties voor Historisch Nederlands===
+Galahad wil annotatie en evaluatie van tools makkelijk toegankelijk maken en wil het voor ontwikkelaars makkelijk maken hun tools en modellen bij te dragen aan het platform, om ze zo te vergelijken met andere tools, getest op goudstandaard data.
+[https://portal.clarin.ivdnt.org/galahad Webservice]
+<span id="Adelheid_Tagger-Lemmatizer:_A_Distributed_Lemmatizer_for_Historical_Dutch"></span>
 ==Adelheid Tagger-Lemmatizer:  A Distributed Lemmatizer for Historical Dutch==
-Met deze webapplicatie kan een eindgebruiker historische Nederlandse teksten invoeren die vervolgens worden getokeniseerd, gelemmatiseerd en die POS-tags bevatten. De applicatie maakt gebruik van de meest geschikte bronnen (zoals lexica) voor de desbetreffende tekst. Voor elke specifieke tekst kan een gebruiker de beste bronnen selecteren uit de beschikbare bronnen in CLARIN, waar deze ook terug te mogen vinden zijn, en waar nodig kunnen deze worden aangevuld met eigen lexica.
+Met deze webapplicatie kan een eindgebruiker historische Nederlandse teksten invoeren die vervolgens worden getokeniseerd, gelemmatiseerd en ge-POS-tagd. De applicatie maakt gebruik van de meest geschikte bronnen (zoals lexica) voor de desbetreffende tekst. Voor elke specifieke tekst kan een gebruiker de beste bronnen selecteren uit de beschikbare bronnen in CLARIN, waar deze ook terug te mogen vinden zijn, en waar nodig kunnen deze worden aangevuld met eigen lexica.
 *[http://portal.clarin.nl/node/1918 CLAPOP-pagina]
 *Geen werkende versie gevonden