Basic language processing/nl: Difference between revisions
Created page with "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." |
Created page with " 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." |
||
| (13 intermediate revisions by 2 users not shown) | |||
| 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. | 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> | ||
==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 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. | ||
| Line 9: | Line 12: | ||
*[https://languagemachines.github.io/frog/ Projectwebsite] | *[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. | 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. | ||
*[https://huggingface.co/proycon/robbert-pos-cased-deepfrog-nld POS-tagger] | *[https://huggingface.co/proycon/robbert-pos-cased-deepfrog-nld POS-tagger] | ||
| Line 25: | Line 22: | ||
<span id="LeTs"></span> | <span id="LeTs"></span> | ||
=== LeTs === | |||
== 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. | ||
LeTs is een preprocessor die kan worden gebruikt voor het Nederlands, Duits, Engels en Frans. | |||
LeTs is preprocessor | |||
*[https://lt3.ugent.be/resources/lets/ Projectpagina] | *[https://lt3.ugent.be/resources/lets/ Projectpagina] | ||
*[https://lt3.ugent.be/lets-demo/ Demo] | *[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] | [https://spacy.io/models/nl Nederlandse modellen] | ||
<span id="Stanza_-_A_Python_NLP_Package_for_Many_Human_Languages"></span> | <span id="Stanza_-_A_Python_NLP_Package_for_Many_Human_Languages"></span> | ||
== Stanza - Een Python NLP Package voor natuurlijke talen === | |||
== Stanza - | |||
Stanza is een verzameling nauwkeurige en efficiënte tools voor de linguïstische analyse van veel menselijke 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> | <span id="Adelheid_Tagger-Lemmatizer:_A_Distributed_Lemmatizer_for_Historical_Dutch"></span> | ||
==Adelheid Tagger-Lemmatizer: A Distributed Lemmatizer for Historical Dutch== | ==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. | |||
*[http://portal.clarin.nl/node/1918 CLAPOP-pagina] | *[http://portal.clarin.nl/node/1918 CLAPOP-pagina] | ||
*Geen werkende versie gevonden | *Geen werkende versie gevonden | ||
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.
Het systeem is nog niet officieel vrijgegeven.
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.
Spacy
Componenten: tok2vec, morphologizer, tagger, parser, lemmatizer (trainable_lemmatizer), senter, ner.
Stanza - Een Python NLP Package voor natuurlijke talen =
Stanza is een verzameling nauwkeurige en efficiënte tools voor de linguïstische analyse van veel menselijke talen.
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.
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.
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