터키어를위한 포괄적인 도메인 별 코퍼라 및 고유한 NLP 솔루션을 제공하므로 조직의 텍스트 마이닝, 딥 러닝, 기계 학습 및 인공 지능 응용 프로그램의 성능과 정확성을 향상시킬 수 있습니다.
우리는 전문 언어 학자, 컴퓨터 과학자 및 소프트웨어 개발자로 구성된 팀과 협력합니다. 결과적으로 터키어의 고유한 유형과 과제를 고려하여 만들어진 수많은 도구와 솔루션을 제공 할 수 있습니다.
다음은 터키어를위한 NLP 라이브러리 및 도구 중 일부입니다. 서비스 및 고유 한 솔루션에 대해 더 자세히 알고 싶으시면 언제든지 연락하십시오.
데이터 파서는 종종 일련의 토큰을 해부하는 데 사용됩니다. NLP와 관련하여 구문 분석기는 텍스트 분석 및 문법 구조의 해당 데이터 구조 작성에 사용됩니다. 간단히 말해 파서는 텍스트를 문장, 구 및 개별 단어로 나누는 것을 목표로합니다.
맞춤법 검사는 맞춤법 오류를 표시하고 수정하는 프로세스입니다. 이를 위해 맞춤법 검사기 알고리즘을 사용하거나 프로세스를 수동으로 수행 할 수 있습니다.
Starlang에서는 정확성과 속도를 모두 제공하고자합니다. 그렇기 때문에 언어 학자 팀과 터키어 용으로 개발 된 포괄적인 맞춤법 검사기 알고리즘이 모두 포함 된 반자동 맞춤법 검사 프로세스를 선택합니다.
DEASCIIFIER는 ASCII 전용 문자로 작성된 터키어 텍스트를 적절한 터키어로 변환합니다. 이 과정은 종종 분음 부호 복원 또는 분음 부호 재구성이라고합니다.
전처리 과정에서 텍스트 데이터의 대문자가 소문자로 변환됩니다.
전체 텍스트를 올바르게 분석 할 수 있기 위해서 단어를 잘못 병합하거나 분리하여 발생하는 오류를 수정해야 합니다. 그렇기 때문에 수동으로 또는 Levenshtein 거리와 Damerau-Levenshtein 거리를 사용하여 이러한 인스턴스를 수정합니다.
문맥은 단어 의미의 상당 부분을 구성합니다. 따라서 도메인 별 사전을 사용하면 최상의 분석과 향상된 NLP 프로세스가 제공됩니다.
Starlang 팀으로서 관련 용어 및 가장 자주 사용되는 단어를 다루는 도메인 별 사전을 제공합니다.
POS 태깅은 각 단어의 구문 범주 (형용사, 명사, 부사, 동사, 결사 등)를 결정하고 해당 태그를 작성하는 데 사용됩니다.
히포넘 관계를 만들려면 의미 필드의 겹침에 따라 단어를 분류하고 정렬해야합니다.
도메인 별 시맨틱 분류는 도메인 별 용어에 대한 고유한 카테고리를 작성하는 것을 목표로합니다.
명명 된 엔터티 인식 (엔터티 추출 또는 엔터티 식별이라고도 함)은 텍스트에서 명명 된 엔터티를 감지하고 분류하는 것이 목적인 정보 추출 프로세스 중 하나입니다. 명명 된 엔터티의 분류 범주는 사람 이름, 위치, 백분율, 시간 표현, 조직, 금전적 가치, 위치 등이 될 수 있습니다.
우리의 언어 학자 팀은 문맥, 의미적 관계 및 중심의 의미, 내포, 동의어, 반의어 등과 같은 특징에 관한 텍스트로 각 단어에 주석을 답니다.
형태소 분석 과정에서 단어는 형태소로 분리되어 내부 구조를 분석 할 수 있습니다.
감정 분석을 위해 텍스트의 기본 양식에 2 단계 프로세스로 주석이 달립니다.
먼저, 언어 학자 팀은 기본 형식의 정서 방향 (긍정적, 중립적 및 부정적)을 식별합니다. 두 번째 단계에서, 긍정적 및 부정적 표시 형태는 “매우 긍정적“, “긍정적“, “부정적” 또는 “매우 부정적“인지를 결정하기 위해 재평가된다.
