ホーム>プログラミング関連>その他のソースコード
ダウンロード

タイNLPリソース

タイ自然言語処理（NLP）ソフトウェアライブラリ、辞書、およびコーパスのコレクション。プルリクエストを常に歓迎します。

ライブラリ/サービス

タイ文字クラスター

図書館説明プログラミング言語特徴ライセンス著者とリンク
JTCCタイ文字クラスターJava GPL-3.0ウィトワット
TCCタイ文字クラスターPython Apache 2.0ワナフォン

感情分析

図書館説明プログラミング言語特徴ライセンス著者とリンク
Sentiment_analysis_thai jagerv3

soundex

図書館説明プログラミング言語特徴ライセンス著者とリンク
pythainlp Python 3 LK82 + UDOM83 Apache 2.0コラコット、github

単語セグメンテーション

図書館説明プログラミング言語特徴ライセンス著者とリンク
チャムホーラオス/タイ語のセグメンテーションさびLGPL github
cutkum Tensorflowの深い学習を伴うタイ語のセグメンテーション。 RNN。 Python 93％f-measure。 mit Pucktada、Github
カットタイコーヒースクリプトの編集で書かれたタイ語のセグメンテーションコーヒースクリプトmit Pureexe/Cutthai Github
ディープカットディープニューラルネットワークを使用したタイ語のトークン化ライブラリ。 CNN。 Python 98.8％f-measure。 mit rkcosmos、github
Lexto：タイ語の語彙測定トークネザーJava LGPLネクタック
lexto Python 2 LGPL github
lexto Python 3 LGPL github
マルチキャンディデートワードセグメンテーションタイ語のマルチ候補の単語セグメンテーションPython、RNN、LSTM 97.0％f-measure（単語レベル）、98.95％f-measure（境界レベル） mit紙、github
pythainlp Python 3最大マッチングおよび他のさまざまなエンジンApache 2.0 github
スワスswath（タイのスマートワード分析）はタイの単語セグメンテーションですc最長のマッチング、最大マッチング、スピーチの一部のBigram。 gpl Paisarn Charoenpornsawat、CMU
シナイタイ語のセグメンテーションと、深い学習を伴うスピーチの一部のタグ付け。 RNN。 LSTM。 Python 99.2％f-measure mitケンジロイ、github
タイ語のツールキット（TLTK） 2002年のWirote Aronmanakunの論文に基づいています。単語セグメンテーションは、最大のコロケーションアプローチに基づいています。音節セグメンテーションは、3グラムの統計に基づいています。 （データセットが含まれています） Python 97.86％f-measure。 （別のテストセットでテストされました。他のモデルと比較することは公平ではありません。） GPLV3ピピ
ワードカットnode.jsのタイ語ブレーカーJavaScript、node.js LGPL-3.0 veer66、github
wordcutpy 1つのPythonファイルに記述されたシンプルなタイ語のトークナーPython 3 LGPL-3.0 veer66、github

音声タグ付けの一部（POSタグ付け）

図書館説明プログラミング言語特徴ライセンス著者とリンク
チャートposタイポスタガーc無断転載を禁じますAiat、Kindml、Thanaruk T.（[email protected]）、tchayintr、iappのデモ
jitar+naistシンプルなトリグラムHMMの一部のスピーチタガーJava Ver66、jitar + naist、1 + naist、2
シナイタイ語のセグメンテーションと、深い学習を伴うスピーチの一部のタグ付け。 RNN。 LSTM。 Python 0.9163 F-Measure。 RNN。 LSTM mitケンジロイ、github

名前エンティティ認識

図書館説明プログラミング言語特徴ライセンス著者とリンク
名前付きエンティティタグ付け（タイネスト） Thaiという名前のエンティティタグ付け仕様とツールgpl Kindml、siit、aiat
thainer ThaiはPythainlpのエンティティ認識という名前を付けましたPython Apache 2.0（code）＆cc by 3.0（dataset） thainer

ニュース構造のタグ付け

図書館説明プログラミング言語特徴ライセンス著者とリンク
ニュース構造タグ付けプログラムタイニュース構造タグ付けプログラムメタデータのタグ付け、構造タグ付け、自動ニュースタイトル生成gpl aiat

構文解析とツール

図書館説明プログラミング言語特徴ライセンス著者とリンク
チャートパーサーPOSタグ付き文から構文構造を抽出します。 c無断転載を禁じますAiat、Kindml、Thanaruk T.（[email protected]）、tchayintr、iappのデモ
文法処理ラベル付きブラケット - >コンテキストフリーグラマー（CFG） Python確率を変換して計算しますTchayintr

単語埋め込み

図書館説明プログラミング言語特徴ライセンス著者とリンク
kobkrit-word-dembedingタイ語の埋め込みのTensorflow実装Pythonソースコード、例、単語距離グラフLGPL Kobkrit V.

質問の回答（機械的理解）

サービス説明ライセンス著者とリンク
タイの機械理解（Thaimc）双方向の注意の流れ著作権（サービスとして） iapp-ai

絵文字

サービス説明ライセンス著者とリンク
タイの感情LSTM gpl iapp-aiおよびsourceのデモ、Github

コーパスとデータセット

辞書 /翻訳ペア

図書館説明サイズ特徴ライセンスリンク
レキシトロンタイ<->英語辞書th-> en、en-> thレキシトロンライセンスネクタック
音訳コーパス31kペアタイの翻訳ペアCC by-nc-sa 3.0 thネクタック
ヤイトロン機械の読み取り可能な形式（XML）のレキシトロンth-> en、en-> thレキシトロンライセンスVEER66スキーマ、データおよび変換コード

ダウンロード可能なテキストコーパス

図書館説明サイズ特徴ライセンスリンク
餌の文をクリックしますタイのクリックベイト文330送信。 （90.7kb） mitワナフォンコム
Interbest 2009/2010 5mの言葉単語セグ。 CC by-nc-sa 3.0 thネクタック
蘭30K送信。 Word Seg。、POSタグ付き。 CC by-nc-sa 3.0 thネクタック
首相29首相29のスピーチ判決338kb単語が区切られた、名前のエンティティがタグ付けされていますmitワナフォンコム
タイジョークコルパスタイジョークスコーパスを掃除しました457ジョークGPLV3 IAPPテクノロジー
タイの名前のエンティティコーパスWirote Aronmanakunの学生による名前のエンティティコーパス266KB-1.5MB音節セグ、ワードセグ、名前付きエンティティタグ付きGPLV3（確かではありませんが、TLTKはこのライセンスを使用しています） นัชชาデータ
ศศิวิมลデータ
ณัฐดาพรデータ
タイネストタイネスト：タイの名前付きエンティティタグ付け仕様とツール45k+名前エンティティトークンタグ付けされた名前のエンティティLGPL Kindml
タイの感傷的な単語リストタイの感傷的な言葉リスト52kb adj、vとして分離された単語mitワナフォンコム
タイウィキペディア正式な記事1.49GB（〜213.1 MB圧縮） XML GFDLウィキペディア
タイのワードネット双方向の翻訳方法を使用した、さまざまな編集アプローチの辞書を使用した1番目のエンティティエンティティ共通のベース概念のタイワードネットの構築（ธนนท์）

双方向の翻訳方法を使用した2番目のオーダーエンティティエンティティ共通のベース概念のタイワードネットの構築：翻訳の精度に影響する意味の多様性の研究（ปริศนาอัครพุทธิพร）		 wordnet n/a ธนนท์2008年
ปริศนาデータ2008
TNCトップ5000ワード単語頻度5,000語さまざまなジャンルのタイ語の頻度、Excel無断転載を禁じますchula
タイのツイートコーパスの毒性東京メトロポリタン大学自然言語加工グループ各ツイートには、有毒または非毒性としてラベル付けされていますCC BY-NC 4.0 TMU-NLP
Wisesight Sentiment Corpusセンチメントラベルを使用したソーシャルメディアメッセージ（ポジティブ、ニュートラル、ネガティブ、質問）。 〜26,700メッセージセンチメントラベル、質問ラベルパブリックドメインpythainlp

Webクエリテキストコーパス

図書館説明サイズ特徴ライセンスリンク
タイ国立コーパス2 32mの言葉ジャンル、ドメインによるクエリテキスト無断転載を禁じますchula
タイの医療文書3,594ドキュメントドキュメントと動的キーワードマップ無断転載を禁じますKindml、siit
東南アジア言語図書館タイのニュース、ウェブテキスト、ポップミュージック、文学、トポニム20Mチャー検索テキストの周りのフェーズシーラン
HSEタイのコーパスタイ語で書かれた現代のテキスト（主にニュースWebサイト） 50mトークン単語形式、語彙、翻訳、文法属性、語彙属性ごとのクエリHSE School of Linguistics

平行コーパス

図書館説明サイズ特徴ライセンスリンク
タルプコTUFSアジア語の平行コーパス1327送信日本の文章とその翻訳で構成されるオープンパラレルコーパスとビルマ（ミャンマー、ミャンマー連合の公用語）、マレー（マレーシア、シンガポール、ブルネイの国語）、インドネシア、タイ、ベトナム、英語CC by 4.0タルプコ

事前に訓練された言語モデル

事前に訓練されたモデル説明サイズ寸法ライセンスリンク
fastText FastTextを使用してWikipediaでトレーニングされたSkip-Gramモデル300 CC by-sa 3.0 Facebook + Bin＆Text + Textのみ
thai2fitウィキペディアのulmfit。 60,002の埋め込みを備えた46.80959の困惑。 70MB 300 mit thai2vec / pythainlp
thbert特にタイの別の事前に訓練されたバートApache 2.0 Tchayintr

ベンチマーク

タイのテキスト分類ベンチマーク

  • Wongnai-Corpus
  • Prachathai-67k
  • Wisesight-sentiment
  • TrueVoice-Intent：目的地

ツール

コーパス抽出器

図書館説明プログラミング言語特徴ライセンス著者とリンク
Best2010クッカータイセグメント化されたBest2010コーパスからセグメント化された単語を抽出するためのツールPython3セグメント化された単語、機能、およびデータ部門の抽出Apache 2.0 Tchayintr

見つかりません？別のタイNLPの素晴らしいリスト/リソース（このようなもの）を見てみてください

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

謝辞

  • BACT-ライセンスワードに関する提案について。
  • C4N
  • veer66
  • BI89
  • Tchayintr
  • Pureexe
  • CSTORM125
  • ワナフォンコム
  • エカポルク
拡大する
追加情報
関連アプリ
おすすめ
関連情報 すべて