ダウンロード - 株式会社ロンウイット
無料のオンラインハンズオンセミナーを開催しています 詳細・お申し込みはこちら 目次 Apache OpenNLP 日本語固有表現抽出モデルファイル livedoor ニュースコーパス 勉強会／セミナー資料 海外カンファレンス参加報告 セキュリティ警告 アーカイブズ Apache OpenNLP 日本語固有表現抽出モデルファイル Apache OpenNLP 1.9.0 以降で利用可能な、日本語固有表現抽出のための学習済みのモデルファイルです。商用利用可能です。 ダウンロード：rondhuit-ja-ner-1.0.0.zip（Apache License） livedoor ニュースコーパス 概要 本コーパスは、NHN Japan株式会社が運営する「livedoor ニュース」のうち、下記のクリエイティブ・コモンズライセンスが適用されるニュース記事を収集し、可能な限りHTMLタグを取り除い
[ThinkIT] 第5回：Ludiaの多彩な検索機能の秘密 (1/4)
第4回では、オープンソースの全文検索システム「Ludia」の導入を行いました。今回はLudiaを実際に動かしながら、検索機能のバリエーションについてみていきます。 まず、Ludiaがどのような構成になっているかをもう一度確認します。なお、Ludiaがどのような作りになっているかといった、すこし細かい説明もありますので、そこは読み飛ばして次の「基本的な検索」の説明に進んでもかまいません。 LudiaはPostgreSQLの拡張モジュールとして、全文検索インデックス機能を提供します。「第2回：データを徹底活用する全文検索機能の仕組みと製品比較」で全文検索インデックスの説明をする際に、書籍の索引を例としてとりあげましたが、書籍の索引とは「単語 → ページ番号」という対応表のことでした。データベースのインデックスでは、これが「単語 → 行のID」という対応表になります。 PostgreSQLのイン
SennaによるN-gramインデックスで注意すべき挙動 - グニャラくんのグニャグニャ備忘録@はてな
追記:以下の文書について 現在リリースされているSenna 1.0.7では、 N-gramで１文字の日本語を検索する場合は 直接部分一致検索を動作させるようにしました。 というわけで、以下で説明している挙動は今現在当てはまりません。 １文字の単語について uchiuchiyamaさんのブログにあった、Sennaのクエリ書式に対する質問 http://d.hatena.ne.jp/uchiuchiyama/20070317/senna_query_problem この問題ですが、 おそらくN-gramでインデックスを作成している場合に起こっていると考えられます。 SennaのN-gramインデックスはbi-gram、 すなわち２文字を１つのトークンとみなし、 インデックスへの登録を行っています。 ということは、文書の末尾を除いて、 すべてのトークンは２文字となり、 １文字のトークンで検索をし
ウェブリブログ：サービスは終了しました。
「ウェブリブログ」は 2023年1月31日 をもちましてサービス提供を終了いたしました。 2004年3月のサービス開始より19年近くもの間、沢山の皆さまにご愛用いただきましたことを心よりお礼申し上げます。今後とも、BIGLOBEをご愛顧賜りますよう、よろしくお願い申し上げます。 ※引っ越し先ブログへのリダイレクトサービスは2024年1月31日で終了いたしました。 BIGLOBEのサービス一覧
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Ludiaパフォーマンスチューニングセミナー | 関口宏司のLuceneブログ
Tag/PostgreSQL - Humming Via Kitchen
