[B! text] incepのブックマーク

GitHub - niderhoff/nlp-datasets: Alphabetical list of free/public domain datasets with text data for use in Natural Language Processing (NLP)

nlp-datasets Alphabetical list of free/public domain datasets with text data for use in Natural Language Processing (NLP). Most stuff here is just raw unstructured text data, if you are looking for annotated corpora or Treebanks refer to the sources at the bottom. Datasets (English, multilang) Apache Software Foundation Public Mail Archives: all publ icly available Apache Software Foundation mail a

incep 2022/05/24

リンク

NAIST Text Corpus

京都テキストコーパスで利用されている毎日新聞95年1月1日から17日までの全記事、約2万文、1月から12月までの社説記事、約2万文、計約4万文に対して，述語と表層格（ガ格，ヲ格，ニ格）の関係，事態性名詞と表層格（ガ格，ヲ格，ニ格）の関係，事態性名詞の名詞クラス，名詞句間の共参照関係，指示連体詞・代名詞の照応関係の情報を付与したコーパスです． 2013-06-25 (Tue) ライセンスを修正 BSD ライセンスと明記しました。 2010-08-23 (Mon) タグ付きデータを京都大学テキストコーパスver.4.0をもとに作成するように変更しました．指示連体詞・代名詞の照応関係，事態性名詞の名詞意味クラスのタグを追加しました． 2007-08-05 (Sun) 同一箇所に複数のタグが付く場合に順序がおかしく箇所があったので修正しました． 2007-07-27 (Fri) タグが一部おか

incep 2019/12/16

リンク

fudist - JpFormat.vim - Vim日本語整形プラグイン

JpFormat.vimはVimで日本語の禁則処理に対応したフォーマット整形プラグインです。単純にformatexprへ登録して日本語対応のgqコマンドとして使うことも可能ですが、本プラグインは入力を行いながら編集中の日本語文書を自動整形して原稿の整形結果を常に確認しながら編集を行うことを主な目的にしています。 Vim単体でもwrapmarginやtextwidthなどを使用して整形が行えますが、日本語の禁則処理は考慮されていませんしgqコマンドは空行のみを段落の区切りとみなして連結して改行を埋め込んでしまうので本来の構造が失われます。 JpFormat.vimでは空白行ではなく改行を段落として扱うので改行に意味のある文書でもきちんと整形できます。 JpFormat.vimの大きな特徴は疑似ソフトラップが行える事です。疑似ソフトラップで折り返しを行う際には改行を埋め込みますが、表示上の

incep 2015/09/02

自動/手動で，日本語での出版時の制約に合わせて整形

リンク

How to extract just plain text from .doc & .docx files?

Ask questions, find answers and collaborate at work with Stack Overflow for Teams. Explore Teams Collectives™ on Stack Overflow Find centralized, trusted content and collaborate around the techno logies you use most. Learn more about Collectives