HeLI-OTS

HeLI-OTS (Helsinki Language Identification -menetelmä — valmisversio) on kielentunnistin, joka tunnistaa, millä kielellä teksti on kirjoitettu. Sen mukana toimitetaan kielimallit 220 kielelle, jotka on tunnistettu ISO 639-3 -koodeilla, ja se pystyy käsittelemään yhdellä suoritinytimellä noin sadoista yli tuhanteen virkettä sekunnissa.

Saatavuus

• Roihu: 2.0

Lisenssi

HeLI-OTS on lisensoitu Creative Commons Attribution 4.0 International (CC BY 4.0) -lisenssillä. Jos käytät sitä akateemisessa työssä, viittaa seuraavasti:

Tommi Jauhiainen, Heidi Jauhiainen and Krister Lindén (2022). HeLI-OTS, Off-the-shelf Language Identifier for Text. Proceedings of the Language Resources and Evaluation Conference (LREC 2022), pages 3912–3922.

Käyttö

Alusta HeLI-OTS komennolla:

module load heliots

HeLI-OTS on Java-sovellus; CSC:n järjestelmissä moduuli tarjoaa heliots-käärekomennon. Se lukee tekstin syötetiedostosta ja kirjoittaa tunnistetun kielen jokaiselle riville tulostiedostoon:

heliots -r input.txt -w output.txt

Hyödyllisiä valintoja ovat -c (luottamuspisteet), -t (useita järjestettyjä kieliarvauksia), -l (rajoitus kielten osajoukkoon) ja -s (kielijoukkotunnistus). Kun moduuli on ladattu, suorita module help heliots, niin saat lisätietoja CSC:n asennuksesta.

Lisätietoja

• HeLI-OTS 2.0 Zenodossa
• HeLI-OTS GitHubissa
• HeLI-OTS Kielipankissa
• Metatietue Kielipankissa

Onko tämä sivu hyödyllinen?

Kyllä

Kiitos palautteestasi!

Ei

Kiitos! Arvostamme palautettasi.

Kerro meille miten voisimme parantaa tätä sivua ottamalla meihin yhteyttä .