UDPipe

UDPipe on koulutettava putki luonnollisen kielen tekstin tokenisointiin, sanaluokkien tunnistukseen, lemmatisointiin ja riippuvuusanalyysiin. Sitä kehitetään Charles Universityn formaalin ja soveltavan kielitieteen instituutissa (ÚFAL), ja se toimii valmiiksi koulutetuilla malleilla Universal Dependencies -puupankeille kattaen laajan valikoiman kieliä.

Saatavuus

• Puhti: 1.4.0
• Roihu: 1.4.0

Lisenssi

UDPipe-ohjelmisto on lisensoitu Mozilla Public License 2.0 -lisenssillä. Valmiiksi koulutetut kielimallit jaetaan CC BY-NC-SA -lisenssillä, ja ne on siksi rajattu ei-kaupalliseen käyttöön; joihinkin malleihin voi liittyä lisäehtoja niiden alkuperäisestä koulutusdatasta.

Käyttö

Alusta UDPipe komennolla:

module load udpipe

Valmiiksi koulutetut mallit ovat saatavilla hakemistossa $UD_MODELS. Listaa asennetut mallit komennolla:

ls $UD_MODELS

Tekstin sanaluokkien tunnistusta ja riippuvuusanalyysiä varten anna UDPipelle mallitiedosto ja syöte. Esimerkiksi suomenkielisen tekstin käsittelyyn, kun syötteessä on yksi virke riviä kohden (vaakasuuntainen syöte):

echo "Hän istuu." | udpipe --tag --parse --input=horizontal --immediate \
  $UD_MODELS/finnish-ftb-ud-2.5-191206.udpipe

Lisätietoja

• UDPipe 1:n käyttöohje
• UDPipen kotisivu
• Metatietue Kielipankissa

Onko tämä sivu hyödyllinen?

Kyllä

Kiitos palautteestasi!

Ei

Kiitos! Arvostamme palautettasi.

Kerro meille miten voisimme parantaa tätä sivua ottamalla meihin yhteyttä.