Beranda>Terkait pemrograman>Kode sumber lainnya
Unduh

Sumber Daya NLP Thailand

Koleksi Perpustakaan Perangkat Lunak, Kamus, dan Corpus Perangkat Lunak Bahasa Natural Thailand (NLP). Selalu selamat datang untuk permintaan tarik.

Perpustakaan/Layanan

Cluster karakter Thailand

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
JTCC Cluster karakter Thailand Jawa GPL-3.0 Wittawat
TCC Cluster karakter Thailand Python Apache 2.0 Wannaphong

Analisis sentimen

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
sentimen_analysis_thai Jagerv3

Soundex

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Pythainlp Python 3 LK82 + UDOM83 Apache 2.0 Korakot, GitHub

Segmentasi kata

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Chamkho Segmentasi kata Lao/Thailand Karat LGPL GitHub
Cutkum Segmentasi kata Thailand dengan pembelajaran yang mendalam di tensorflow. Rnn. Python 93% F-Ceasure. Mit Pucktada, GitHub
Cutthai Segmentasi kata Thailand ditulis dalam edit skrip kopi Skrip kopi Mit Pureexe/Cutthai GitHub
Deepcut Perpustakaan Tokenisasi Kata Thailand menggunakan jaringan saraf dalam. CNN. Python 98,8% F-Measure. Mit RKCOSMOS, GitHub
Lexto: Thai Lexeme Tokenizer Jawa LGPL Nectec
Lexto Python 2 LGPL GitHub
Lexto Python 3 LGPL GitHub
Multi-Candidate-Word-Semmentation Segmentasi kata multi kandidat untuk bahasa Thailand Python, rnn, lstm 97,0% F-Measure (Level Word), 98,95% F-Measure (Level Batas) Mit Kertas, GitHub
Pythainlp Python 3 Pencocokan maksimal dan berbagai mesin lainnya Apache 2.0 GitHub
Petak SWATH (Analisis Kata Cerdas untuk Thailand) adalah segmentasi kata untuk Thailand C Pencocokan terpanjang, pencocokan maksimal, dan bagian Bigram bagian-dari-kata. Gpl Paisarn Charoenpornsawat, CMU
Synthai Segmentasi kata Thailand dan penandaan sebagian dengan pembelajaran mendalam. Rnn. LSTM. Python 99,2% f-ukur Mit Kenjiroai, GitHub
Thai Language Toolkit (TLTK) Berdasarkan makalah oleh Wirote Aroonmanakun pada tahun 2002. Segmentasi kata didasarkan pada pendekatan kolokasi maksimum. Segmentasi suku kata didasarkan pada statistik 3Grams. (Dataset disertakan) Python 97,86% F-Measure. (Itu diuji pada testset yang berbeda; tidak adil untuk membandingkannya dengan model lain.) Gplv3 Pypi
Wordcut Thai Word Breaker untuk Node.js Javascript, node.js LGPL-3.0 Veer66, GitHub
wordcutpy Tokenizer kata Thailand sederhana yang ditulis dalam 1 file python Python 3 LGPL-3.0 Veer66, GitHub

Bagian dari penandaan ucapan (penandaan POS)

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Bagan-Pos Thai Pos Tagger C Semua hak dilindungi undang -undang Aiat, Kindml, Thanaruk T. ([email protected]), tchayintr, demo di iapp
Jitar+Naist Tagger bagian-of-speech trigram sederhana Jawa Ver66, jitar + naist, 1 + naist, 2
Synthai Segmentasi kata Thailand dan penandaan sebagian dengan pembelajaran mendalam. Rnn. LSTM. Python 0.9163 F-Measure. Rnn. LSTM Mit Kenjiroai, GitHub

Pengakuan Entitas Nama

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Tagging entitas bernama (Thai Nest) Spesifikasi dan alat penandaan Entitas yang Dinamai Gpl Kindml, siit, aiat
Thainer Thai yang Dinamai Entity Recognition for Pythainlp Python Apache 2.0 (kode) & CC dengan 3.0 (dataset) Thainer

Penandaan Struktur Berita

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Program Penandaan Struktur Berita Program Penandaan Struktur Berita Thailand Tagging metadata, penandaan struktur, generasi judul berita otomatis Gpl Aiat

Parsing & alat sintaksis

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Bagan-Parser Ekstrak struktur sintaksis dari kalimat yang ditandai POS. C Semua hak dilindungi undang -undang Aiat, Kindml, Thanaruk T. ([email protected]), tchayintr, demo di iapp
Pemrosesan tata bahasa Braket berlabel -> Context Free Grammars (CFGS) Python Mengubah dan menghitung probabilitas tchayintr

Kata embedding

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Kobkrit-word-embedding Implementasi TensorFlow dari kata embedding kata Thailand Python Kode sumber, contoh, grafik jarak kata LGPL Kobkrit V.

PERTANYAAN PERTANYAAN (Pemahaman Mesin)

Melayani Keterangan Lisensi Penulis & Tautan
Pemahaman Mesin Thailand (Thaimc) Aliran perhatian dua arah Hak cipta (sebagai layanan) iapp-ai

Emojifikasi

Melayani Keterangan Lisensi Penulis & Tautan
Emosi Thailand LSTM Gpl Demo di iapp-ai dan sumber, github

Corpus dan dataset

Kamus / Pasangan Terjemahan

Perpustakaan Keterangan Ukuran Fitur Lisensi Link
Lexitron Thai <--> Kamus Bahasa Inggris Th-> en, en-> th Lisensi lexitron Nectec
Corpus transliterasi 31K Pasangan Pasangan terjemahan Thailand-Eng Cc by-nc-sa 3.0 th Nectec
Yaitron Lexitron dalam format mesin yang dapat dibaca (XML) Th-> en, en-> th Lisensi lexitron Skema, data & kode konversi veer66

Corpus teks yang dapat diunduh

Perpustakaan Keterangan Ukuran Fitur Lisensi Link
Klik kalimat umpan Kalimat umpan klik Thailand 330 dikirim. (90.7kb) Mit Wannaphongcom
Interbest 2009/2010 Kata 5m Kata seg. Cc by-nc-sa 3.0 th Nectec
ANGGREK 30K dikirim. Kata seg., Pos ditandai. Cc by-nc-sa 3.0 th Nectec
Perdana Menteri 29 Kalimat Pidato Perdana Menteri 29 338KB Kata disembunyikan, nama entitas ditandai Mit Wannaphongcom
Thai-Jokes-Corpus Corpus lelucon Thailand yang dibersihkan 457 lelucon Gplv3 Teknologi IAPP
Thailand Named Entity Corpora Named Entity Corpora oleh siswa Wirote Aroonmanakun 266KB-1.5MB Silable Seg., Word Seg., Named Entity Tagged Gplv3 (tidak yakin, tetapi tltk menggunakan lisensi ini) นัชชา ถิระสาโรช data
ศศิวิมล กาลันสีมา data
ณัฐดาพร เลิศชีวะ data
Thai-snest Thai-sarang: Thailand bernama spesifikasi dan alat penandaan entitas 45k+ Token Entitas Nama Name Entity Tagged LGPL Kindml
Daftar kata sentimental Thailand Daftar Kata Sentimental Thailand 52kb Kata -kata terpisah sebagai adj, v Mit Wannaphongcom
Thai Wikipedia Artikel formal 1.49GB (~ 213.1 MB terkompresi) Xml Gfdl Wikipedia
Wordnet Thailand Konstruksi wordnet Thailand dari entitas urutan pertama konsep dasar umum menggunakan metode terjemahan dua arah dan dengan kamus dari pendekatan kompilasi yang berbeda (ธนนท์ หลีน้อย)

Konstruksi wordnet Thailand dari entitas orde ke-2 Konsep dasar umum menggunakan metode terjemahan dua arah: Studi tentang keragaman makna yang mempengaruhi akurasi translasi (ปริศนา อัครพุทธิพร)		 WordNet N/a ธนนท์ หลีน้อย 2008
ปริศนา อัครพุทธิพร Data 2008
TNC Top-5000 kata Frekuensi kata 5.000 kata Frekuensi kata -kata Thailand dalam berbagai genre, excel Semua hak dilindungi undang -undang Chula
Toksisitas dalam korpus tweet Thailand Kelompok Pemrosesan Bahasa Alami Universitas Metropolitan Tokyo Setiap tweet diberi label beracun atau tidak beracun CC BY-NC 4.0 TMU-NLP
Corpus sentimen wise. Pesan media sosial dengan label sentimen (positif, netral, negatif, pertanyaan). ~ 26.700 pesan Label sentimen, label pertanyaan Domain publik Pythainlp

Corpus Teks Permintaan Web

Perpustakaan Keterangan Ukuran Fitur Lisensi Link
Thai National Corpus 2 Kata 32m Kueri teks berdasarkan genre, domain Semua hak dilindungi undang -undang Chula
Dokumen Medis Thailand 3.594 dokumen Dokumen dan peta kata kunci dinamis Semua hak dilindungi undang -undang Kindml, siit
Perpustakaan Bahasa Asia Tenggara Berita Thailand, Teks Web, Musik Pop, Sastra, Toponim 20m chars Fase di sekitar teks pencarian Sealang
HSE Thai Corpus Teks modern yang ditulis dalam bahasa Thailand (kebanyakan situs web berita) Token 50m Formulir Query by Word, lexeme, terjemahan, atribut tata bahasa, atribut leksikal Sekolah Linguistik HSE

Corpus paralel

Perpustakaan Keterangan Ukuran Fitur Lisensi Link
Talpco Corpus Paralel Bahasa Asia 1327 dikirim Korpus paralel terbuka yang terdiri dari hukuman Jepang dan terjemahannya ke Burma (Myanmar; bahasa resmi Republik Persatuan Myanmar), Melayu (Bahasa Nasional Malaysia, Singapura dan Brunei), Indonesia, Thailand, Vietnam dan Inggris CC oleh 4.0 Talpco

Model bahasa pra-terlatih

Model pra-terlatih Keterangan Ukuran Ukuran Lisensi Link
FastText Model Skip-Gram Dilatih di Wikipedia Menggunakan FastText 300 CC BY-SA 3.0 Facebook + bin & teks + teks saja
thai2fit Ulmfit di Wikipedia. Kebingungan 46.80959 dengan 60.002 embeddings. 70MB 300 Mit thai2vec / pythainlp
Thbert Bert pra-terlatih lainnya terutama di Thailand Apache 2.0 tchayintr

Tolok ukur

Tolok ukur klasifikasi teks Thailand

  • Wongnai-Corpus
  • prachathai-67k
  • Penyenian Wiseight
  • Truevoice-Intent: Tujuan

Peralatan

Ekstraktor corpus

Perpustakaan Keterangan Bahasa pemrograman Fitur Lisensi Penulis & Tautan
Best2010 Cooker Alat untuk mengekstraksi kata -kata tersegmentasi dari Thailand Best Corpus Thailand Python3 Mengekstraksi kata, fitur, dan divisi data tersegmentasi Apache 2.0 tchayintr

Tidak ditemukan? Cobalah untuk melihat daftar/sumber daya NLP yang luar biasa Thailand (seperti ini)

https://resources.aiat.or.th/

Ucapan Terima Kasih

  • BACT - Untuk saran tentang kata -kata lisensi.
  • C4n
  • Veer66
  • Bi89
  • Tchayintr
  • Pureexe
  • CSTORM125
  • Wannaphongcom
  • Ekapolc
Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua