[B! NLP][tool] sleepy_yoshiのブックマーク

英語の単語を原形に戻す WordNet-based lemmatizer - mtbrの日記

nltk の実装を移植する。 http://nltk.googlecode.com/svn/trunk/doc/api/nltk.corpus.reader.wordnet-pysrc.html#WordNetCorpusReader.morphy 使う情報: WordNet の ${WNHOME}/dict/*.exc 不規則変化 WordNet の ${WNHOME}/dict/index.* 語基品詞ごとの接尾辞ルール（上記ソースにべたがきされている） #! /usr/bin/env ruby # -*- coding: utf-8; mode: ruby -*- # port from nltk.corpus.reader.wordnet.morphy # http://nltk.googlecode.com/svn/trunk/doc/api/nltk.corpus.read

sleepy_yoshi 2009/05/11

NLP
tool

リンク

Javaで実装された形態素解析器 GoSen - mtbrの日記

GoSen がよさげなので使ってみる。プロジェクトホームページ（オリジナルは到達不能） http://web.archive.org/web/20071224025014/http://itadaki.org/wiki/index.php/GoSen GoSen is a comprehensive rewrite and upgrade of Sen, a pure Java LGPL morphological analysis library for Japanese which in turn was based on MeCab. GoSen is at present a de facto fork of Sen. It would be extremely useful if the work performed to create GoSen could be folde

sleepy_yoshi 2009/05/11

NLP
tool

リンク

Home - ISA-Ali

Our Java courses are 100% practical and up-to-date. You’ll learn Java Core, Maven, Git, Spring (Core, MVC, Security, Boot), Hibernate. All the essentials of the profession – and nothing unnecessary. All of our students participate in teams in real projects, remotely. You’ll sharpen your theory, gain teamwork skills, and gain practical experience for your resume.

sleepy_yoshi 2009/04/22

NLP
tool

リンク

Webstemmer（クローラーツール）

日本語サイトでは、具体的な性能は測定していませんが、以下のようなサイトで正しく動くことがわかっています: アサヒ・コム Nikkei NET Mainichi INTERACTIVE Yomiuri On-line IT media 東京新聞日刊スポーツ信濃毎日新聞 livedoor ニュース使いかた Webstemmer をつかったテキスト抽出は以下のようなステップになります: まず、特定のニュースサイトから種となる HTML ページを多数取得する。取得したページのレイアウトを学習する。別の日に、同一のニュースサイトから新しい HTML ページを取得する。 2. で学習した結果をつかって、新しい HTML ページから本文を抽出する。 1. および 2. のステップが必要なのは最初の 1回だけです。ひとたびサイトのレイアウトを学習してしまえば、あとはレイアウトが大きく変更さ