@diplodoc/ 发送器

基于规则的 NLP 语句分割库 俄语 支助。 将文本分解成句子,使用手工制作的规则来处理俄罗斯特有的案件,如缩写,首字母和标出.

特征

• 按规则划分 ——对俄文文本进行了优化的手工规则
• 俄罗斯特定处理 ——正确处理缩写(如"и","т"),缩写(如"И"),引文和括号
• 职能方案拟订 - 使用Ramda进行清洁和可堆肥编码
• 高准确度 - 测试各种俄文文本样本
• 轻巧 ——没有外部NLP库,快速自成一体

安装

npm install @diplodoc/sentenizer

使用量

基本示例

const {sentenize} = require('@diplodoc/sentenizer');

const text = 'Он купил фрукты - яблоки, бананы, и т. д. все были очень рады угощению. Вот такой он добродушный наш родственник И. В. Иванов.';

const sentences = sentenize(text);
// sentences:
// [
//  'Он купил фрукты - яблоки, бананы, и т. д. все были очень рады угощению.',
//  'Вот такой он добродушный наш родственник И. В. Иванов.'
// ]

ES 模块

import {sentenize} from '@diplodoc/sentenizer';

const sentences = sentenize('Первое предложение. Второе предложение!');
// ['Первое предложение.', ' Второе предложение!']

API 密码

sentenize(text: string): string[]

将文本分割成句子.

参数:

• text (字符串) —— 从正文到正文

回返情况:

• string[] ——分句数组

类型签名 :

sentenize :: string -> string[]

如何运作

图书馆采用基于规则的方法,有两种条件:

加入条件 (应合并)

• 简称(如"и","т"等)
• 缩写(如"И")
• 引言和括号
• 小写续作
• 界限和空格

中断条件 (圆柱应分出):

• 硬换行(双新线)
• 大写从句后开始

一体化

此软件包由 @diplodoc/translation 用于翻译时的文本分割.

发展

见 一般事务人员(其他职等) 详细发展指导方针.

许可证

麻省理工学院