Apache OpenNLP: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
Updates info box to latest release 2.5.2 |
Aggiunta di dettagli e riferimenti ai modelli OpenNLP, in particolare l'adattamento dell'ultimo modello di Sentence Detection, dato che il modello SourceForge non è più mantenuto o raccomandato. OpenNLP è passato a modelli basati su UD, vedere la notizia: https://opennlp.apache.org/news/news-2024-11-23.html |
||
Riga 19:
'''Apache OpenNLP''' è un toolkit che sfrutta [[Apprendimento automatico|l'apprendimento automatico]] per l'[[Elaborazione del linguaggio naturale|elaborazione dei testi in linguaggio naturale]]. Supporta i compiti più comuni in ambito NLP, come il rilevamento della lingua, [[Analisi lessicale|la tokenizzazione]], la sentence segmenntation, l'etichettatura delle parti del discorso, la named entity extraction, il chunking, il [[parsing]] e la coreference resolution. Questo genere di compiti sono solitamente necessari per sviluppare servizi di elaborazione testuale più avanzati.
== Dettagli ==
* Identificazione della lingua: il “LanguageDetector” richiede un modello addestrato. OpenNLP stesso offre il modello completamente addestrato “langdetect-183.bin” come download. Questo è in grado di identificare 103 lingue.<ref>[https://opennlp.apache.org/models.html#language_detection Modello di rilevamento delle lingue di Apache OpenNLP]</ref>
* Riconoscimento delle frasi: il “SentenceDetector” riconosce se un punto fermo segna la fine di una frase o se ha un significato diverso. Anche in questo caso è necessaria la specifica di un modello addestrato. OpenNLP fornisce modelli per varie lingue, ad esempio ''opennlp-it-ud-vit-sentence-1.2-2.5.0.bin'' per il riconoscimento delle frasi nei testi italiani.<ref>[https://opennlp.apache.org/models.html#sentence_detection Modelli di rilevamento delle frasi di Apache OpenNLP]</ref>.
* Tokenizzazione: il tokenizer divide una stringa di caratteri in token. I token sono solitamente parole, segni di punteggiatura, numeri, ecc.
* Etichettatura part-of-speech: OpenNLP dispone di una selezione di modelli pre-addestrati per 32 lingue (tedesco, inglese, spagnolo, portoghese, danese, ecc.). Questi modelli possono essere utilizzati per etichettare automaticamente un corpus di testo in una di queste lingue.<ref>[https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html Apache Stanbol - OpenNLP POS Tagging Engine]</ref>
* Estrazione di entità denominate: Il “TokenNameFinder” può riconoscere le entità denominate e i numeri nel testo. Per riconoscere le entità è necessario un modello. Il modello dipende dalla lingua e dal tipo di entità per cui è stato addestrato. Il progetto OpenNLP offre una gamma di modelli pre-addestrati che sono stati addestrati su vari corpora liberamente disponibili. Possono essere scaricati dalla pagina di download dei modelli.
== Voci correlate ==
| |||