Basic language processing/nl: Difference between revisions

Latest revision as of 18:00, 13 November 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.

Unfortunately, we are not aware of any functioning instance of this application.

@@ Line 2: / Line 2: @@
 Onder eenvoudige taalverwerking verstaan we part-of-speech tagging, lemmatisering, named entity recognition, chunking en gelijksoortige taken die individuele woorden labelen.
-<span id="Frog"></span>
+<span id="Contemporary_Dutch"></span>
-<div class="mw-translate-fuzzy">
+==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.
+=== Frog ===
-</div>
-<div lang="en" dir="ltr" class="mw-content-ltr">
+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.
-Frog is an integration of memory-based natural language processing (NLP) modules developed for Dutch. Frog's current version will tokenize, tag, lemmatize, and morphologically segment word tokens in Dutch text files, will assign a dependency graph to each sentence, will identify the base phrase chunks in the sentence, and will attempt to find and label all named entities.
-</div>
-*[https://webservices.cls.ru.nl/frog Online versie]
+*[https://github.com/proycon/frog_webservice Code webservice]
 *[https://languagemachines.github.io/frog/ Projectwebsite]
-<span id="DeepFrog"></span>
+=== DeepFrog ===
-<div class="mw-translate-fuzzy">
-== 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.
-</div>
-<div lang="en" dir="ltr" class="mw-content-ltr">
-DeepFrog aims to be a (partial) successor of the Dutch-NLP suite Frog. Whereas the various NLP modules in Frog were built on k-NN classifiers, DeepFrog builds on deep learning techniques and can use a variety of neural transformers.
-</div>
 *[https://huggingface.co/proycon/robbert-pos-cased-deepfrog-nld POS-tagger]
@@ Line 31: / Line 22: @@
 <span id="LeTs"></span>
-<div class="mw-translate-fuzzy">
+=== LeTs ===
-== LeTs ==
 LeTs is een preprocessor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans.
-</div>
-<div lang="en" dir="ltr" class="mw-content-ltr">
+LeTs is een preprocessor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans.
-LeTs is preprocessor that can be used for Dutch, German, English and French.
-</div>
 *[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]
 <span id="Stanza_-_A_Python_NLP_Package_for_Many_Human_Languages"></span>
-<div class="mw-translate-fuzzy">
+== Stanza - Een Python NLP Package voor natuurlijke talen ===
-== Stanza - A Python NLP Package for Many Human Languages ==
 Stanza is een verzameling nauwkeurige en efficiënte tools voor de linguïstische analyse van veel menselijke talen.
-</div>
-<div lang="en" dir="ltr" class="mw-content-ltr">
+* [https://stanfordnlp.github.io/stanza/#stanza--a-python-nlp-package-for-many-human-languages Stanza-Github-pagina's]
-Stanza is a collection of accurate and efficient tools for the linguistic analysis of many human languages.
+===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.
+<div class="mw-translate-fuzzy">
+[https://portal.clarin.ivdnt.org/galahad Webservice]
 </div>
-* [https://stanfordnlp.github.io/stanza/#stanza--a-python-nlp-package-for-many-human-languages Stanza-Github-pagina's]
 <span id="Adelheid_Tagger-Lemmatizer:_A_Distributed_Lemmatizer_for_Historical_Dutch"></span>
-<div class="mw-translate-fuzzy">
 ==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.
+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.
+<div lang="en" dir="ltr" class="mw-content-ltr">
+Unfortunately, we are not aware of any functioning instance of this application.
 </div>
 <div lang="en" dir="ltr" class="mw-content-ltr">
-With this web-application an end user can have historical Dutch texts tokenized, lemmatized and part-of-speech tagged, using the most appropriate resources (such as lexica) for the text in question. For each specific text, the user can select the best resources from those available in CLARIN, wherever they might reside, and where necessary supplemented by own lexica.
+<!--
-</div>
+*[http://portal.clarin.nl/node/1918 CLAPOP page]
+*No working version found -->
-*[http://portal.clarin.nl/node/1918 CLAPOP-pagina]
+</div>
-*Geen werkende versie gevonden