Вы когда-нибудь хотели понять предложение с языками программирования? понимание отрицательности или положительности предложения?
Stanford NLP предоставляет набор языковых инструментов. Он может давать базовые формы слов, их части речи, будь то названия компаний, людей и т. д., нормализовать даты, время и числовые величины, размечать структуру предложений с точки зрения словосочетаний и синтаксических зависимостей, указывать какие словосочетания относятся к одним и тем же сущностям, указывают на настроение, извлекают определенные или открытые отношения между упоминаниями сущностей, получают кавычки, сказанные людьми, и т. д.
- Быстрый и надежный аннотатор для произвольных текстов, широко используемый в производстве.
- Интегрированный инструментарий НЛП с широким набором инструментов грамматического анализа.
- Современный, регулярно обновляемый пакет, с общей текстовой аналитикой высочайшего качества.
- Поддержка ряда основных (человеческих) языков
- Доступные API для большинства основных современных языков программирования
- Возможность запуска в качестве простого веб-сервиса
Он поддерживает следующие языки: арабский, китайский, английский, французский, немецкий, испанский.
Так что теперь, если вы хотите реализовать это, например, с помощью JavaScript, есть API и репозитории github для его поддержки.
Как этот, который я использовал для себя:
https://github.com/gerardobort/node-corenlp
CoreNLP @ NodeJS https://gerardobort.github.io/node-co…
Эта библиотека помогает создавать NodeJS/веб-приложения с использованием передовой технологии обработки естественного языка: Stanford CoreNLP.
Вам необходимо скачать проект размером более 300 МБ. Запустите сервер и все готово, вы можете использовать его для передачи предложений и получить результат.
Это изображение представляет собой образец веб-сервера, запущенного их пакетом, и если вы хотите использовать его внутри своих nodejs или любых других серверных технологий, таких как API, вам нужно использовать другую библиотеку.
Это способ, который я использую для отправки предложения и получения результата:
Если вам интересно узнать, как это работает, в основном они обучали модель на каждом языке, и пакет, который вы загружаете, является результатом алгоритмов машинного обучения, над которым работала группа обработки естественного языка в Стэнфордском университете.
Удивительно видеть, как машины действительно могут понимать предложения и слова, чтобы понимать, о чем они.
Следуйте за мной на Medium, чтобы получать последние сообщения и оставлять комментарии, чтобы сообщить нам, что, по вашему мнению, возможно с помощью этого инструмента.