Apache OpenNLP - Versionsgeschichte

2A02:3038:600:8CDD:15B6:17CA:A1B3:606D: Aktuelle Version und Veröffentlichungsdatum nun wieder via Wikidata-Referenzen.

2025-01-04T21:06:20Z

Aktuelle Version und Veröffentlichungsdatum nun wieder via Wikidata-Referenzen.

← Nächstältere Version		Version vom 4. Januar 2025, 23:06 Uhr
Zeile 4:		Zeile 4:
	\|Logo = [[Datei:Apache OpenNLP Logo.svg\|300px]]		\|Logo = [[Datei:Apache OpenNLP Logo.svg\|300px]]
	\|Entwickler = Community-Projekt		\|Entwickler = Community-Projekt
	\|AktuelleVersion = ~~2.5.2~~		\|AktuelleVersion = <!-- Wikidata -->
	\|AktuelleVersionFreigabeDatum = ~~27.~~ ~~Dezember~~ ~~2024~~		\|AktuelleVersionFreigabeDatum = <!-- Wikidata -->
	\|Programmiersprache = <!-- Wikidata -->		\|Programmiersprache = <!-- Wikidata -->
	\|Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]		\|Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]

2A02:3038:660:91E6:CC47:AC8A:5DDA:B48D: Aktualisierung der Referenzen zu OpenNLP Modellen, insbesondere Anpassung des neuesten Sentence-Detection Modells, da das Modell von SourceForge nicht weiter gepflegt bzw. empfohlen wird. OpenNLP hat auf UD-basierte Modelle umgestellt, vgl. Newseintrag: https://opennlp.apache.org/news/news-2024-11-23.html - Darüber hinaus schlechte Übersetzung "Schulungen" korrigiert. Gemeint ist hier "Training" von Modellen. Zudem habe ich auch die unbrauchbare Ref auf Quora ersetzt, stattdessen: Ref Dev-Manual

2025-01-04T10:50:16Z

Aktualisierung der Referenzen zu OpenNLP Modellen, insbesondere Anpassung des neuesten Sentence-Detection Modells, da das Modell von SourceForge nicht weiter gepflegt bzw. empfohlen wird. OpenNLP hat auf UD-basierte Modelle umgestellt, vgl. Newseintrag: https://opennlp.apache.org/news/news-2024-11-23.html - Darüber hinaus schlechte Übersetzung "Schulungen" korrigiert. Gemeint ist hier "Training" von Modellen. Zudem habe ich auch die unbrauchbare Ref auf Quora ersetzt, stattdessen: Ref Dev-Manual

← Nächstältere Version		Version vom 4. Januar 2025, 12:50 Uhr
Zeile 3:		Zeile 3:
	\|Name = OpenNLP		\|Name = OpenNLP
	\|Logo = [[Datei:Apache OpenNLP Logo.svg\|300px]]		\|Logo = [[Datei:Apache OpenNLP Logo.svg\|300px]]
	\|Entwickler = Community-~~Projek~~		\|Entwickler = Community-Projekt
	\|AktuelleVersion = 2.5.2		\|AktuelleVersion = 2.5.2
	\|AktuelleVersionFreigabeDatum = 27. Dezember 2024		\|AktuelleVersionFreigabeDatum = 27. Dezember 2024
Zeile 15:		Zeile 15:
	Die '''Apache OpenNLP''' Bibliothek ist ein auf [[Maschinelles Lernen\|maschinellem Lernen]] basierendes Toolkit in der Programmiersprache [[Java (Programmiersprache)\|Java]] für die Verarbeitung von natürlichsprachlichem Text im Bereich [[Computerlinguistik]] oder Natural Language Processing (NLP). Sie unterstützt die gängigsten NLP-Aufgaben, wie Identifikation der Sprache, [[Tokenisierung]], Satzsegmentierung, [[Part-of-speech-Tagging\|Part-of-Speech-Tagging]], [[Named-entity recognition\|Extraktion benannter Entitäten]], Chunking, [[Parser\|Parsing]] und Auflösung von [[Koreferenz]]en. Diese Aufgaben sind in der Regel erforderlich, um fortgeschrittenere Textverarbeitungsdienste aufzubauen. Es gilt die [[Freie Software\|Freie-Software]]-Lizenz der [[Apache Software Foundation]]. Ziel des OpenNLP-Projekts ist es, ein ausgereiftes Toolkit für die oben genannten Aufgaben zu entwickeln und eine Anzahl von vorgefertigten Modellen für verschiedene Sprachen bereitzustellen.		Die '''Apache OpenNLP''' Bibliothek ist ein auf [[Maschinelles Lernen\|maschinellem Lernen]] basierendes Toolkit in der Programmiersprache [[Java (Programmiersprache)\|Java]] für die Verarbeitung von natürlichsprachlichem Text im Bereich [[Computerlinguistik]] oder Natural Language Processing (NLP). Sie unterstützt die gängigsten NLP-Aufgaben, wie Identifikation der Sprache, [[Tokenisierung]], Satzsegmentierung, [[Part-of-speech-Tagging\|Part-of-Speech-Tagging]], [[Named-entity recognition\|Extraktion benannter Entitäten]], Chunking, [[Parser\|Parsing]] und Auflösung von [[Koreferenz]]en. Diese Aufgaben sind in der Regel erforderlich, um fortgeschrittenere Textverarbeitungsdienste aufzubauen. Es gilt die [[Freie Software\|Freie-Software]]-Lizenz der [[Apache Software Foundation]]. Ziel des OpenNLP-Projekts ist es, ein ausgereiftes Toolkit für die oben genannten Aufgaben zu entwickeln und eine Anzahl von vorgefertigten Modellen für verschiedene Sprachen bereitzustellen.

	Die enthaltenen Komponenten ermöglichen es, die jeweilige Aufgabe der Sprachverarbeitung auszuführen, ein Modell zu trainieren und oft auch ein Modell zu bewerten. Jede dieser Komponenten ist über ihre [[Programmierschnittstelle]] (API) zugänglich. Darüber hinaus sind sie jeweils über die [[Kommandozeile]] (CLI) aufrufbar, um Experimente und ~~Schulungen~~ zu erleichtern.<ref>{{Internetquelle \|url=https://~~www~~.~~quora~~.~~com~~/~~topic~~/~~OpenNLP~~ \|titel=OpenNLP – ~~Quora~~ \|abruf=~~2019~~-02-11}}</ref>		Die enthaltenen Komponenten ermöglichen es, die jeweilige Aufgabe der Sprachverarbeitung auszuführen, ein Modell zu trainieren und oft auch ein Modell zu bewerten. Jede dieser Komponenten ist über ihre [[Programmierschnittstelle]] (API) zugänglich. Darüber hinaus sind sie jeweils über die [[Kommandozeile]] (CLI) aufrufbar, um Experimente und Modell-Trainings zu erleichtern.<ref>{{Internetquelle \|url=https://opennlp.apache.org/docs/2.5.2/manual/opennlp.html \|titel=Apache OpenNLP Developer Documentation \|abruf=2025-01-04}}</ref>

	== Details ==		== Details ==
	* Identifikation der Sprache: Der "LanguageDetector" benötigt ein trainiertes Modell. OpenNLP selbst bietet als Download das fertig trainierte Modell "langdetect-183.bin". Dies ist in der Lage, 103 Sprachen zu identifizieren.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html \|titel=~~Models~~ ~~Download~~ – ~~Apache~~ ~~OpenNLP~~ \|abruf=~~2019~~-02-11}}</ref>		* Identifikation der Sprache: Der "LanguageDetector" benötigt ein trainiertes Modell. OpenNLP selbst bietet als Download das fertig trainierte Modell "langdetect-183.bin". Dies ist in der Lage, 103 Sprachen zu identifizieren.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html#language_detection \|titel=Apache OpenNLP Language Detection Model \|abruf=2025-01-04}}</ref>
	* Satzerkennung: Der "SentenceDetector" erkennt, ob ein Punkt das Ende eines Satzes markiert oder ob er eine andere Bedeutung hat. Auch hier ist die Angabe eines trainierten Models notwendig. OpenNLP liefert Modelle für verschiedenen Sprachen, z. B. "de-~~sent~~.bin" für Satzerkennung in deutschen Texten.<ref>{{Internetquelle \|url=https://opennlp.~~sourceforge~~.~~net~~/models-1.5/ \|titel=OpenNLP ~~Tools~~ Models \|abruf=~~2019~~-02-11}}</ref>		* Satzerkennung: Der "SentenceDetector" erkennt, ob ein Punkt das Ende eines Satzes markiert oder ob er eine andere Bedeutung hat. Auch hier ist die Angabe eines trainierten Models notwendig. OpenNLP liefert Modelle für verschiedenen Sprachen, z. B. ''opennlp-de-ud-gsd-sentence-1.2-2.5.0.bin'' für Satzerkennung in deutschen Texten.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html#sentence_detection \|titel=Apache OpenNLP Sentence Detection Models \|abruf=2025-01-04}}</ref>
	* Tokenisierung: Der Tokenizer zerlegt eine Zeichenfolge in Token. Token sind in der Regel Wörter, Satzzeichen, Zahlen etc.		* Tokenisierung: Der Tokenizer zerlegt eine Zeichenfolge in Token. Token sind in der Regel Wörter, Satzzeichen, Zahlen etc.
	* Part-of-speech-Tagging: OpenNLP verfügt über eine Auswahl von bereits trainierten Modellen für ~~verschiedene~~ Sprachen (Deutsch, Englisch, Spanisch, Portugiesisch, Dänisch etc.). Mit Hilfe dieser Modelle kann dann ein Textkorpus in einer dieser Sprachen automatisch mit den entsprechenden Tags versehen werden.<ref>{{Internetquelle \|url=https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html \|titel=Apache Stanbol – OpenNLP POS Tagging Engine \|abruf=2019-02-11}}</ref>		* Part-of-speech-Tagging: OpenNLP verfügt über eine Auswahl von bereits trainierten Modellen für 32 Sprachen (Deutsch, Englisch, Spanisch, Portugiesisch, Dänisch etc.). Mit Hilfe dieser Modelle kann dann ein Textkorpus in einer dieser Sprachen automatisch mit den entsprechenden Tags versehen werden.<ref>{{Internetquelle \|url=https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html \|titel=Apache Stanbol – OpenNLP POS Tagging Engine \|abruf=2019-02-11}}</ref>
	* Extraktion benannter Entitäten: Der "TokenNameFinder" kann benannte Objekte und Zahlen im Text erkennen. Um Entitäten erkennen zu können, wird ein Modell benötigt. Das Modell ist abhängig von der Sprache und dem Entitätstyp, für den es trainiert worden ist. Das OpenNLP-Projekt bietet eine Reihe von vortrainierten Modellen, die auf verschiedenen frei verfügbaren Corpora trainiert worden sind. Sie können auf der Modell-Download-Seite heruntergeladen werden.		* Extraktion benannter Entitäten: Der "TokenNameFinder" kann benannte Objekte und Zahlen im Text erkennen. Um Entitäten erkennen zu können, wird ein Modell benötigt. Das Modell ist abhängig von der Sprache und dem Entitätstyp, für den es trainiert worden ist. Das OpenNLP-Projekt bietet eine Reihe von vortrainierten Modellen, die auf verschiedenen frei verfügbaren Corpora trainiert worden sind. Sie können auf der Modell-Download-Seite heruntergeladen werden.

Zeile 32:		Zeile 32:

	[[Kategorie:Computerlinguistik]]		[[Kategorie:Computerlinguistik]]
			[[Kategorie:Freie_Linguistik-Software]]
	[[Kategorie:Apache-Projekt\|OpenNLP]]		[[Kategorie:Apache-Projekt\|OpenNLP]]
	[[Kategorie:Java-Programm]]		[[Kategorie:Java-Programm]]

2A02:3038:607:5BEC:5E7:589C:D623:E73C: Updates infobox with data on latest OpenNLP release 2.5.2

2024-12-27T15:31:25Z

Updates infobox with data on latest OpenNLP release 2.5.2

← Nächstältere Version		Version vom 27. Dezember 2024, 17:31 Uhr
Zeile 1:		Zeile 1:

	{{Infobox Software		{{Infobox Software
	\| Name = OpenNLP		\|Name = OpenNLP
	\| Logo = [[Datei:Apache OpenNLP Logo.svg\|300px]]		\|Logo = [[Datei:Apache OpenNLP Logo.svg\|300px]]
	\| Entwickler = Community-Projek		\|Entwickler = Community-Projek
	\| AktuelleVersion = ~~<!-- Wikidata -->~~		\|AktuelleVersion = 2.5.2
	\| AktuelleVersionFreigabeDatum = ~~<!--~~ ~~Wikidata~~ ~~-->~~		\|AktuelleVersionFreigabeDatum = 27. Dezember 2024
	\| Programmiersprache = <!-- Wikidata -->		\|Programmiersprache = <!-- Wikidata -->
	\| Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]		\|Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]
	\| Kategorie = [[Computerlinguistik]]		\|Kategorie = [[Computerlinguistik]]
	\| Lizenz = [[Apache License\|Apache 2.0]]		\|Lizenz = [[Apache License\|Apache 2.0]]
	\| Website = [https://opennlp.apache.org/ opennlp.apache.org]		\|Website = [https://opennlp.apache.org/ opennlp.apache.org]
	}}		}}

Phzh: Form, typo

2023-09-10T10:48:28Z

Form, typo

UKoch: 2x Grammatik

2023-06-27T12:21:20Z

2x Grammatik

← Nächstältere Version		Version vom 27. Juni 2023, 14:21 Uhr
Zeile 12:		Zeile 12:
	}}		}}

	Die '''Apache OpenNLP''' Bibliothek ist ein auf [[~~maschinelles~~ Lernen]] basierendes Toolkit in der Programmiersprache [[Java (Programmiersprache)\|Java]] für die Verarbeitung von natürlichsprachlichem Text im Bereich [[Computerlinguistik]] oder Natural Language Processing (NLP). Sie unterstützt die gängigsten NLP-Aufgaben, wie Identifikation der Sprache, [[Tokenisierung]], Satzsegmentierung, [[Part-of-speech-Tagging\|Part-of-Speech-Tagging]], [[Named-entity recognition\|Extraktion benannter Entitäten]], Chunking, [[Parser\|Parsing]] und Auflösung von [[Koreferenz]]en. Diese Aufgaben sind in der Regel erforderlich, um fortgeschrittenere Textverarbeitungsdienste aufzubauen. Es gilt die [[Freie Software\|Freie-Software]]-Lizenz der [[Apache Software Foundation]]. Ziel des OpenNLP-Projekts ist es, ein ausgereiftes Toolkit für die oben genannten Aufgaben zu entwickeln und eine Anzahl von vorgefertigten Modellen für verschiedene Sprachen bereitzustellen.		Die '''Apache OpenNLP''' Bibliothek ist ein auf [[Maschinelles Lernen\|maschinellem Lernen]] basierendes Toolkit in der Programmiersprache [[Java (Programmiersprache)\|Java]] für die Verarbeitung von natürlichsprachlichem Text im Bereich [[Computerlinguistik]] oder Natural Language Processing (NLP). Sie unterstützt die gängigsten NLP-Aufgaben, wie Identifikation der Sprache, [[Tokenisierung]], Satzsegmentierung, [[Part-of-speech-Tagging\|Part-of-Speech-Tagging]], [[Named-entity recognition\|Extraktion benannter Entitäten]], Chunking, [[Parser\|Parsing]] und Auflösung von [[Koreferenz]]en. Diese Aufgaben sind in der Regel erforderlich, um fortgeschrittenere Textverarbeitungsdienste aufzubauen. Es gilt die [[Freie Software\|Freie-Software]]-Lizenz der [[Apache Software Foundation]]. Ziel des OpenNLP-Projekts ist es, ein ausgereiftes Toolkit für die oben genannten Aufgaben zu entwickeln und eine Anzahl von vorgefertigten Modellen für verschiedene Sprachen bereitzustellen.

	Die enthaltenen Komponenten ermöglichen es, die jeweilige Aufgabe der Sprachverarbeitung auszuführen, ein Modell zu trainieren und oft auch ein Modell zu bewerten. Jede dieser Komponenten ist über ihre [[Programmierschnittstelle]] (API) zugänglich. Darüber hinaus sind sie jeweils über die [[Kommandozeile]] (CLI) aufrufbar, um Experimente und Schulungen zu ~~erleichtert~~.<ref>{{Internetquelle \|url=https://www.quora.com/topic/OpenNLP \|titel=OpenNLP - Quora \|zugriff=2019-02-11}}</ref>		Die enthaltenen Komponenten ermöglichen es, die jeweilige Aufgabe der Sprachverarbeitung auszuführen, ein Modell zu trainieren und oft auch ein Modell zu bewerten. Jede dieser Komponenten ist über ihre [[Programmierschnittstelle]] (API) zugänglich. Darüber hinaus sind sie jeweils über die [[Kommandozeile]] (CLI) aufrufbar, um Experimente und Schulungen zu erleichtern.<ref>{{Internetquelle \|url=https://www.quora.com/topic/OpenNLP \|titel=OpenNLP - Quora \|zugriff=2019-02-11}}</ref>

	== Details ==		== Details ==

Aka: https

2023-06-04T14:02:59Z

https

← Nächstältere Version		Version vom 4. Juni 2023, 16:02 Uhr
Zeile 9:		Zeile 9:
	\| Genre = [[Computerlinguistik]]		\| Genre = [[Computerlinguistik]]
	\| Lizenz = [[Apache License\|Apache 2.0]]		\| Lizenz = [[Apache License\|Apache 2.0]]
	\| Website = [~~http~~://opennlp.apache.org opennlp.apache.org]		\| Website = [https://opennlp.apache.org opennlp.apache.org]
	}}		}}

Zeile 18:		Zeile 18:
	== Details ==		== Details ==
	* Identifikation der Sprache: Der "LanguageDetector" benötigt ein trainiertes Modell. OpenNLP selbst bietet als Download das fertig trainierte Modell "langdetect-183.bin". Dies ist in der Lage, 103 Sprachen zu identifizieren.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html \|titel=Models Download - Apache OpenNLP \|zugriff=2019-02-11}}</ref>		* Identifikation der Sprache: Der "LanguageDetector" benötigt ein trainiertes Modell. OpenNLP selbst bietet als Download das fertig trainierte Modell "langdetect-183.bin". Dies ist in der Lage, 103 Sprachen zu identifizieren.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html \|titel=Models Download - Apache OpenNLP \|zugriff=2019-02-11}}</ref>
	* Satzerkennung: Der "SentenceDetector" erkennt, ob ein Punkt das Ende eines Satzes markiert oder ob er eine andere Bedeutung hat. Auch hier ist die Angabe eines trainierten Models notwendig. OpenNLP liefert Modelle für verschiedenen Sprachen, z. B. "de-sent.bin" für Satzerkennung in deutschen Texten.<ref>{{Internetquelle \|url=~~http~~://opennlp.sourceforge.net/models-1.5/ \|titel=OpenNLP Tools Models \|zugriff=2019-02-11}}</ref>		* Satzerkennung: Der "SentenceDetector" erkennt, ob ein Punkt das Ende eines Satzes markiert oder ob er eine andere Bedeutung hat. Auch hier ist die Angabe eines trainierten Models notwendig. OpenNLP liefert Modelle für verschiedenen Sprachen, z. B. "de-sent.bin" für Satzerkennung in deutschen Texten.<ref>{{Internetquelle \|url=https://opennlp.sourceforge.net/models-1.5/ \|titel=OpenNLP Tools Models \|zugriff=2019-02-11}}</ref>
	* Tokenisierung: Der Tokenizer zerlegt eine Zeichenfolge in Token. Token sind in der Regel Wörter, Satzzeichen, Zahlen etc.		* Tokenisierung: Der Tokenizer zerlegt eine Zeichenfolge in Token. Token sind in der Regel Wörter, Satzzeichen, Zahlen etc.
	* Part-of-speech-Tagging: OpenNLP verfügt über eine Auswahl von bereits trainierten Modellen für verschiedene Sprachen (Deutsch, Englisch, Spanisch, Portugiesisch, Dänisch etc.). Mit Hilfe dieser Modelle kann dann ein Textkorpus in einer dieser Sprachen automatisch mit den entsprechenden Tags versehen werden.<ref>{{Internetquelle \|url=https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html \|titel=Apache Stanbol - OpenNLP POS Tagging Engine \|zugriff=2019-02-11}}</ref>		* Part-of-speech-Tagging: OpenNLP verfügt über eine Auswahl von bereits trainierten Modellen für verschiedene Sprachen (Deutsch, Englisch, Spanisch, Portugiesisch, Dänisch etc.). Mit Hilfe dieser Modelle kann dann ein Textkorpus in einer dieser Sprachen automatisch mit den entsprechenden Tags versehen werden.<ref>{{Internetquelle \|url=https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html \|titel=Apache Stanbol - OpenNLP POS Tagging Engine \|zugriff=2019-02-11}}</ref>

MTheiler: Programmiersprache

2021-01-25T14:28:12Z

Programmiersprache

← Nächstältere Version		Version vom 25. Januar 2021, 16:28 Uhr
Zeile 5:		Zeile 5:
	\| AktuelleVersion = <!-- Wikidata -->		\| AktuelleVersion = <!-- Wikidata -->
	\| AktuelleVersionFreigabeDatum = <!-- Wikidata -->		\| AktuelleVersionFreigabeDatum = <!-- Wikidata -->
	\| Programmiersprache = ~~[[Java~~ ~~(Programmiersprache)\|Java]]~~		\| Programmiersprache = <!-- Wikidata -->
	\| Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]		\| Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]
	\| Genre = [[Computerlinguistik]]		\| Genre = [[Computerlinguistik]]

WolfgangRieger: Änderungen von 2405:204:649C:F4B2:351F:6C5C:8403:46D7 (Diskussion) auf die letzte Version von Polluks zurückgesetzt

2019-12-06T11:59:35Z

Änderungen von 2405:204:649C:F4B2:351F:6C5C:8403:46D7 (Diskussion) auf die letzte Version von Polluks zurückgesetzt

← Nächstältere Version		Version vom 6. Dezember 2019, 13:59 Uhr
Zeile 25:		Zeile 25:
	== Weblinks ==		== Weblinks ==
	* [https://opennlp.apache.org Offizielle Webpräsenz] (englisch)		* [https://opennlp.apache.org Offizielle Webpräsenz] (englisch)
	*[~~./Https~~://www.~~lyndatutorial~~.com/~~loops~~-~~statements-in-r~~-tutorial~~.html Lynda Tutorial]~~ : ~~Loops~~ ~~Statements~~ ~~in R tutorial~~ (englisch)		* [https://www.tutorialkart.com/opennlp/apache-opennlp-tutorial/ TutorialKart: Apache OpenNLP Tutorial] (englisch)

	== Einzelnachweise ==		== Einzelnachweise ==

2405:204:649C:F4B2:351F:6C5C:8403:46D7: https://www.lyndatutorial.com/loops-statements-in-r-tutorial.html

2019-12-06T11:37:50Z

https://www.lyndatutorial.com/loops-statements-in-r-tutorial.html

← Nächstältere Version		Version vom 6. Dezember 2019, 13:37 Uhr
Zeile 25:		Zeile 25:
	== Weblinks ==		== Weblinks ==
	* [https://opennlp.apache.org Offizielle Webpräsenz] (englisch)		* [https://opennlp.apache.org Offizielle Webpräsenz] (englisch)
	* [~~https~~://www.~~tutorialkart~~.com/~~opennlp/apache~~-~~opennlp~~-tutorial/ ~~TutorialKart~~: ~~Apache~~ ~~OpenNLP~~ ~~Tutorial]~~ (englisch)		*[./Https://www.lyndatutorial.com/loops-statements-in-r-tutorial.html Lynda Tutorial] : Loops Statements in R tutorial (englisch)

	== Einzelnachweise ==		== Einzelnachweise ==

Polluks am 12. November 2019 um 11:09 Uhr

2019-11-12T11:09:45Z

← Nächstältere Version		Version vom 12. November 2019, 13:09 Uhr
Zeile 24:		Zeile 24:

	== Weblinks ==		== Weblinks ==
	* [https://opennlp.apache.org/ Offizielle Webpräsenz] (englisch)		* [https://opennlp.apache.org Offizielle Webpräsenz] (englisch)
	* [https://www.tutorialkart.com/opennlp/apache-opennlp-tutorial/ TutorialKart: Apache OpenNLP Tutorial] (englisch)		* [https://www.tutorialkart.com/opennlp/apache-opennlp-tutorial/ TutorialKart: Apache OpenNLP Tutorial] (englisch)

Zeile 31:		Zeile 31:

	[[Kategorie:Computerlinguistik]]		[[Kategorie:Computerlinguistik]]
	[[Kategorie:Apache-Projekt]]		[[Kategorie:Apache-Projekt\|OpenNLP]]
	[[Kategorie:Java-Programm]]		[[Kategorie:Java-Programm]]

← Nächstältere Version		Version vom 10. September 2023, 12:48 Uhr
Zeile 7:		Zeile 7:
	\| Programmiersprache = <!-- Wikidata -->		\| Programmiersprache = <!-- Wikidata -->
	\| Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]		\| Betriebssystem = [[Plattformunabhängigkeit\|Plattformunabhängig]]
	\| ~~Genre~~ = [[Computerlinguistik]]		\| Kategorie = [[Computerlinguistik]]
	\| Lizenz = [[Apache License\|Apache 2.0]]		\| Lizenz = [[Apache License\|Apache 2.0]]
	\| Website = [https://opennlp.apache.org opennlp.apache.org]		\| Website = [https://opennlp.apache.org/ opennlp.apache.org]
	}}		}}

	Die '''Apache OpenNLP''' Bibliothek ist ein auf [[Maschinelles Lernen\|maschinellem Lernen]] basierendes Toolkit in der Programmiersprache [[Java (Programmiersprache)\|Java]] für die Verarbeitung von natürlichsprachlichem Text im Bereich [[Computerlinguistik]] oder Natural Language Processing (NLP). Sie unterstützt die gängigsten NLP-Aufgaben, wie Identifikation der Sprache, [[Tokenisierung]], Satzsegmentierung, [[Part-of-speech-Tagging\|Part-of-Speech-Tagging]], [[Named-entity recognition\|Extraktion benannter Entitäten]], Chunking, [[Parser\|Parsing]] und Auflösung von [[Koreferenz]]en. Diese Aufgaben sind in der Regel erforderlich, um fortgeschrittenere Textverarbeitungsdienste aufzubauen. Es gilt die [[Freie Software\|Freie-Software]]-Lizenz der [[Apache Software Foundation]]. Ziel des OpenNLP-Projekts ist es, ein ausgereiftes Toolkit für die oben genannten Aufgaben zu entwickeln und eine Anzahl von vorgefertigten Modellen für verschiedene Sprachen bereitzustellen.		Die '''Apache OpenNLP''' Bibliothek ist ein auf [[Maschinelles Lernen\|maschinellem Lernen]] basierendes Toolkit in der Programmiersprache [[Java (Programmiersprache)\|Java]] für die Verarbeitung von natürlichsprachlichem Text im Bereich [[Computerlinguistik]] oder Natural Language Processing (NLP). Sie unterstützt die gängigsten NLP-Aufgaben, wie Identifikation der Sprache, [[Tokenisierung]], Satzsegmentierung, [[Part-of-speech-Tagging\|Part-of-Speech-Tagging]], [[Named-entity recognition\|Extraktion benannter Entitäten]], Chunking, [[Parser\|Parsing]] und Auflösung von [[Koreferenz]]en. Diese Aufgaben sind in der Regel erforderlich, um fortgeschrittenere Textverarbeitungsdienste aufzubauen. Es gilt die [[Freie Software\|Freie-Software]]-Lizenz der [[Apache Software Foundation]]. Ziel des OpenNLP-Projekts ist es, ein ausgereiftes Toolkit für die oben genannten Aufgaben zu entwickeln und eine Anzahl von vorgefertigten Modellen für verschiedene Sprachen bereitzustellen.

	Die enthaltenen Komponenten ermöglichen es, die jeweilige Aufgabe der Sprachverarbeitung auszuführen, ein Modell zu trainieren und oft auch ein Modell zu bewerten. Jede dieser Komponenten ist über ihre [[Programmierschnittstelle]] (API) zugänglich. Darüber hinaus sind sie jeweils über die [[Kommandozeile]] (CLI) aufrufbar, um Experimente und Schulungen zu erleichtern.<ref>{{Internetquelle \|url=https://www.quora.com/topic/OpenNLP \|titel=OpenNLP - Quora \|~~zugriff~~=2019-02-11}}</ref>		Die enthaltenen Komponenten ermöglichen es, die jeweilige Aufgabe der Sprachverarbeitung auszuführen, ein Modell zu trainieren und oft auch ein Modell zu bewerten. Jede dieser Komponenten ist über ihre [[Programmierschnittstelle]] (API) zugänglich. Darüber hinaus sind sie jeweils über die [[Kommandozeile]] (CLI) aufrufbar, um Experimente und Schulungen zu erleichtern.<ref>{{Internetquelle \|url=https://www.quora.com/topic/OpenNLP \|titel=OpenNLP – Quora \|abruf=2019-02-11}}</ref>

	== Details ==		== Details ==
	* Identifikation der Sprache: Der "LanguageDetector" benötigt ein trainiertes Modell. OpenNLP selbst bietet als Download das fertig trainierte Modell "langdetect-183.bin". Dies ist in der Lage, 103 Sprachen zu identifizieren.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html \|titel=Models Download - Apache OpenNLP \|~~zugriff~~=2019-02-11}}</ref>		* Identifikation der Sprache: Der "LanguageDetector" benötigt ein trainiertes Modell. OpenNLP selbst bietet als Download das fertig trainierte Modell "langdetect-183.bin". Dies ist in der Lage, 103 Sprachen zu identifizieren.<ref>{{Internetquelle \|url=https://opennlp.apache.org/models.html \|titel=Models Download – Apache OpenNLP \|abruf=2019-02-11}}</ref>
	* Satzerkennung: Der "SentenceDetector" erkennt, ob ein Punkt das Ende eines Satzes markiert oder ob er eine andere Bedeutung hat. Auch hier ist die Angabe eines trainierten Models notwendig. OpenNLP liefert Modelle für verschiedenen Sprachen, z. B. "de-sent.bin" für Satzerkennung in deutschen Texten.<ref>{{Internetquelle \|url=https://opennlp.sourceforge.net/models-1.5/ \|titel=OpenNLP Tools Models \|~~zugriff~~=2019-02-11}}</ref>		* Satzerkennung: Der "SentenceDetector" erkennt, ob ein Punkt das Ende eines Satzes markiert oder ob er eine andere Bedeutung hat. Auch hier ist die Angabe eines trainierten Models notwendig. OpenNLP liefert Modelle für verschiedenen Sprachen, z. B. "de-sent.bin" für Satzerkennung in deutschen Texten.<ref>{{Internetquelle \|url=https://opennlp.sourceforge.net/models-1.5/ \|titel=OpenNLP Tools Models \|abruf=2019-02-11}}</ref>
	* Tokenisierung: Der Tokenizer zerlegt eine Zeichenfolge in Token. Token sind in der Regel Wörter, Satzzeichen, Zahlen etc.		* Tokenisierung: Der Tokenizer zerlegt eine Zeichenfolge in Token. Token sind in der Regel Wörter, Satzzeichen, Zahlen etc.
	* Part-of-speech-Tagging: OpenNLP verfügt über eine Auswahl von bereits trainierten Modellen für verschiedene Sprachen (Deutsch, Englisch, Spanisch, Portugiesisch, Dänisch etc.). Mit Hilfe dieser Modelle kann dann ein Textkorpus in einer dieser Sprachen automatisch mit den entsprechenden Tags versehen werden.<ref>{{Internetquelle \|url=https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html \|titel=Apache Stanbol - OpenNLP POS Tagging Engine \|~~zugriff~~=2019-02-11}}</ref>		* Part-of-speech-Tagging: OpenNLP verfügt über eine Auswahl von bereits trainierten Modellen für verschiedene Sprachen (Deutsch, Englisch, Spanisch, Portugiesisch, Dänisch etc.). Mit Hilfe dieser Modelle kann dann ein Textkorpus in einer dieser Sprachen automatisch mit den entsprechenden Tags versehen werden.<ref>{{Internetquelle \|url=https://stanbol.apache.org/docs/trunk/components/enhancer/engines/opennlppos.html \|titel=Apache Stanbol – OpenNLP POS Tagging Engine \|abruf=2019-02-11}}</ref>
	* Extraktion benannter Entitäten: Der "TokenNameFinder" kann benannte Objekte und Zahlen im Text erkennen. Um Entitäten erkennen zu können, wird ein Modell benötigt. Das Modell ist abhängig von der Sprache und dem Entitätstyp, für den es trainiert worden ist. Das OpenNLP-Projekt bietet eine Reihe von vortrainierten Modellen, die auf verschiedenen frei verfügbaren Corpora trainiert worden sind. Sie können auf der Modell-Download-Seite heruntergeladen werden.		* Extraktion benannter Entitäten: Der "TokenNameFinder" kann benannte Objekte und Zahlen im Text erkennen. Um Entitäten erkennen zu können, wird ein Modell benötigt. Das Modell ist abhängig von der Sprache und dem Entitätstyp, für den es trainiert worden ist. Das OpenNLP-Projekt bietet eine Reihe von vortrainierten Modellen, die auf verschiedenen frei verfügbaren Corpora trainiert worden sind. Sie können auf der Modell-Download-Seite heruntergeladen werden.

	== Weblinks ==		== Weblinks ==
	* [https://opennlp.apache.org Offizielle Webpräsenz] (englisch)		* [https://opennlp.apache.org/ Offizielle Webpräsenz] (englisch)
	* [https://www.tutorialkart.com/opennlp/apache-opennlp-tutorial/ TutorialKart: Apache OpenNLP Tutorial] (englisch)		* [https://www.tutorialkart.com/opennlp/apache-opennlp-tutorial/ TutorialKart: Apache OpenNLP Tutorial] (englisch)