Startseite>Programmierbezogen>Anderer Quellcode
Herunterladen

Awesome-Korean-NLP

Eine kuratierte Liste der natürlichen Sprachverarbeitung (NLP) von

  • NLP des koreanischen Textes
  • NLP -Informationen auf Koreanisch geschrieben.

Fühlen Sie sich frei zu beitragen! oder hierher plätschern

Betreuer: Jaemin Cho

Index

  1. Werkzeuge
  2. Datensatz
  3. Blogs / Folien / Forscher
  4. Papiere
  5. Vorträge
  6. Zeitschriften / Konferenzen / Institute / Ereignisse
  7. Online -Communities
  8. Wie man beiträgt

1. Werkzeuge

(Koreanisch-spezifische Tools sind vor Sprach-Agnostischen Tools aufgeführt.)

1.1. Morphem/형태소 분석기 + Teil der Sprache (POS)/품사 Tagger

  • Hannanum (한나눔) (Java, c) [Link]
    • Konlpy (Python) [Link]
  • KKMA (꼬꼬마) (Java) [Link] [Papier]
    • Konlpy (Python) [Link]
  • Komoran (Java) [Link]
    • Konlpy (Python) [Link]
  • Mecab-ko (c ++) [Link]
    • Konlpy (Python) [Link]
  • Twitter (Scala, Java) [Link]
    • Konlpy (Python) [Link]
    • .NET, Node.js, Python, Ruby, Elasitc -Suchbindungen
  • DPARSER (REST -API) [Link]
  • Utagger [Link]
  • Arirang (Lucence, Java) [Link]
  • Rouzeta [Link] [Folie] [Video]
  • Seunjeon (Scala, Java) [Link]
  • Rhino (라이노) [Link]
  • KTS [Papier]
  • 깜짝새 [Link]

1.2. Benannte Entity (NE) Tagger / 개체명 인식기

  • Annie [Link]

1.3. Zauberprüfung / 맞춤법 검사기

  • PNU -Zaubersprüche [Link]
  • Naver Tell Checker [Link]
  • Daum Zaubersprüche [Link]
  • Hunspell-ko [Link]

1.4. Syntax -Parser / 구문 분석기 분석기

  • DPARSER (REST -API) [Link]
  • NLP Hub (Java) [Link]

1.5. Sentimentale Analyse / 감정 분석기

  • OpenHangul (오픈한글) [Link] [Papier]

1.6. Übersetzer / 번역기

  • Naver NMT [Link]
  • OpenNMT [Link]
  • Google Übersetzer [Link]

1.7. Pakete

  • Konlp (R) [Link]
  • Konlpy (Python) [Link] [Papier]
  • Koalanlp (Scala) [Link]
  • NLTK (Python) [Link] [Papier]
  • Gensim (Python) [Link]
  • FastText (c) [Link]
    • FastText.py (python) [Link]

1.8. Andere / 기타

  • Hangulpy (Python) [Link]
    • 자동 조사/접미사 첨부, 자모 분해 및 결합 결합
  • Hangulize (Python) [Link]
    • 외래어 한글 변환
  • Hanja (Python) [Link]
    • 한자 한글 변환
  • Kroman [Link]
    • Hangul Romanisierung
    • Ruby, Python, Nodejs, Objective-C, Swift
  • Hangul (Perl) [Link]
    • Hangul Romanisierung
  • Textrankr (Python) [Link] [Demo]
    • Textrank 기반 한국어 문서 요약
  • 한국어 WORD2VEC [Demo] [Papier]
    • 한국어 Word2VEC 의 Analogie -Test 데모
  • 나쁜 단어 사전 [Link]
    • Crowdsourcing DIC über Badword auf Koreanisch

2. Datensatz

  • Sejong Corpus [Link]
  • Kaist Corpus [Link]
  • Yonsei Univ. Korpus
  • Korea Univ. Korpus
  • Ulsan Univ. Corpus [Link]
  • Wikipedia Dump [Link] [Extraktor]
  • Namuwiki Dump [Link] [Extraktor]
  • Naver -Nachrichtenarchiv [Link]
  • Chosun Archiv [Link]
  • Naver Sentiment Movie Corpus [Link]
  • Sci-News-Sum-KR-50 [Link]

3.. Blogs / Folien / Forscher

3.1. Blogs

  • DSIndexs Blog [Link]
  • 엑사젠, "혼자 힘으로 한국어 챗봇 개발하기" [Link]
  • Beomsu Kim, "Word2Vec 관련 이론 정리" [Link]
  • CPUU, "Google 자연어 처리 오픈소스 Syntaxnet 공개" (Korean TranlSation of Google Blog) [Link]
  • Theeluwin, "Python-crfsuite 를 사용해서 한국어 띄어쓰기를 학습해보자 학습해보자" [Link]
  • Jaesoo Lim, "한국어 형태소 분석기 동향" [Link]

3.2. Folien

  • Lucy Park, "한국어와 nltk, Gensim 의 만남" (Pycon APAC 2015) [Link]
  • Jeongkyu Shin, "AI -Chat -Bot mit Python 3 & Tensorflow" (Pycon APAC 2016) [Link]
  • Changki Lee, "RNN & NLP -Anwendung" (Kangwon Univ. Maschinelles Lernen) [Link]
  • Kyunghoon Kim, "뉴스를 재미있게 만드는 방법 방법; 뉴스잼" (Pycon APAC 2016) [Link]
  • Hongjoo Lee, "Python 으로 19 대 국회 뽀개기" (Pycon APAC 2016) [Link]
  • Kyumin Choi, "Word2Vec 이 추천시스템을 만났을 때" (Pycon APAC 2015) [Link]
  • 進藤裕之 (übersetzt von Hongbae Kim), "딥러닝을 이용한 자연어처리의 연구동향" [Link]
  • Hongbae Kim, "머신러닝의 자연어 처리기술 (i)" [Link]
  • Changki Lee, "자연어처리를 위한 기계학습 소개 소개" [Link]
  • Taeil Kim, Daeneung Sohn, "기계 번역 모델 기반 질의 교정 시스템" (Naver Deview 2015) [Link]

4. Papiere

4.1. Koreanisch

  • 김동준, 이연수, 장정선, 임해창, 고려대학교, (주) 엔씨소프트, "한국어 대화 화행 분류를 위한 어휘 자질의 임베딩 (2015 년 논문집)" [Papier] Link tot

4.2. Englisch

5. Vorlesungen

5.1. Koreanische Vorlesungen

  • Kangwon Univ. 자연언어처리 [Link]
  • 데이터 사이언스 스쿨 [Link]
  • SNU Data Mining / Business Analytics [Link]

5.2. Englische Vorträge

  • Stanford CS224N: Verarbeitung natürlicher Sprache [Link] [YouTube]
  • Stanford CS224D: Deep Learning for Natural Language Processing [Link] [YouTube]
  • NLTK mit Python 3 für NLP (per Senddex) [YouTube]
  • LDA -Themenmodelle [Link]

6. Konferenzen / Institute / Ereignisse

6.1. Konferenzen

  • 한글 및 한국어 정보처리 학술대회 [Link]
  • Kips (한국정보처리학회) [Link]
  • 한국음성학회 학술대회 [Link]

6.2. Institute

  • 언어공학연구회 [Link]
    • 한글 및 한국어 정보처리 학술대회 (seit 1989, 매년 개최) [Link]
    • 국어 정보 처리 시스템 경진대회 (seit 2010, 매년 개최 개최 주최: 문화체육관광부 및 국립국어원) [Link]
    • 자연언어처리 튜토리얼 (비정기적) [Link]
    • 자연어처리 및 정보검색 워크샵 [Link]
  • 한국음성학회 [Link]

6.3. Ereignisse / Wettbewerbe

  • 국어 정보 처리 시스템 경진 대회 [Link]

7. Online -Communities

  • Tensorflow KR (Facebook -Gruppe) [Link]
  • AI Korea (Facebook -Gruppe) [Link]
  • Bot Group (Facebook -Gruppe) [Link]
  • 바벨피쉬 (Facebook -Gruppe) [Link]
  • Reddit maschinelles Lernen Top -Beiträge [Link]

8. Wie man einen Beitrag leisten

  1. Fork dieses Repository, indem Sie auf "Fork" -Symbol in der oberen rechten Ecke klicken.

  2. Holen Sie sich den Link für das Forked Repo, indem Sie auf die Schaltfläche Grün auf Ihrer Seite klicken. So etwas wie "https://github.com/[username weibliche/awesome-korean-nlp.git"

  3. Auf Ihrer lokalen Maschine "Git Clone https://github.com/[username weibliche/awesome-korean-nlp.git"

  4. "CD Awesome-Korean-NLP"

  5. Öffnen Sie "Readme.md" mit Ihrem bevorzugten Texteditor.

  6. Bearbeiten.

  7. Git Commit -a -m "Hinzufügen von Abschnitt 8: Emoticons"

  8. Git Push und überprüfen Sie auf Ihrer Gabel

  9. goto https://github.com/datanada/awesome- korean-nlp und erstellen Sie Pull-Anfrage.

  10. "Übergreifende Gabeln vergleiche" mit Basis: Datanada/Awesome .. und Kopf: [Benutzername]/Awesome ..

[Anfängerleitfaden]

Expandieren
Zusätzliche Informationen
Ähnliche Anwendungen
Empfohlen für Sie
Ähnliche Nachrichten Alle