Stanford CoreNLP Bewertungen & Produktdetails

Der Stanford Parser ist eine einfache Einführung in die Verarbeitung natürlicher Sprache (NLP). Das Programm verwendet eine Kombination von Ansätzen, um sowohl die einzelnen Komponenten (Syntax) innerhalb eines Satzes zu identifizieren und zu kennzeichnen, als auch die Beziehung zwischen den Wörtern (Semantik) genau zuzuordnen. Benutzer können die Java-basierte Version des Programms herunterladen oder auf der Website damit experimentieren. Bewertung gesammelt von und auf G2.com gehostet.

Der Stanford Parser ist einer von vielen verfügbaren natürlichen Sprachparsern auf dem Markt. Ich bevorzuge Stanford wegen seiner Einfachheit und Zugänglichkeit. Der Einsatz eines rekurrenten neuronalen Netzwerks kann für jemanden, der in einem hoch technischen und sprachlich komplexen Umfeld arbeitet, bessere Ergebnisse liefern, wo Unmittelbarkeit und Genauigkeit gleichermaßen gewichtet werden. Bewertung gesammelt von und auf G2.com gehostet.

Der Stanford Parser ist ein natürlicher Sprachparser, der keinen Ivy-League-Abschluss erfordert, um ihn zu verwenden; außerdem ist er kostenlos, was ein großer Vorteil ist. Ich benutze ihn überraschend häufiger, als man denken würde, da ich derzeit versuche, ihn zu nutzen, um Sprache in eine Machine-Learning-Datenstruktur einzuspeisen, mit dem ultimativen Ziel, einen besseren Chatbot zu erstellen. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl auf soliden Grundlagen aufgebaut, ist die Benutzeroberfläche sehr 1990er / frühe 2000er Jahre. Wenn die GUI neu gestaltet oder sogar auf moderne Standards aktualisiert würde, glaube ich, dass sie erheblich profitieren würde. Bewertung gesammelt von und auf G2.com gehostet.

Die Anzahl der Optionen, die Stanford NER bietet, bedeutet, dass Sie für keine Art von NER-Aufgaben woanders hingehen werden. Bewertung gesammelt von und auf G2.com gehostet.

Der Mangel an guter Unterstützung für nicht-englische Sprachen Bewertung gesammelt von und auf G2.com gehostet.

Benutzerfreundlichkeit und Implementierung und funktioniert in den meisten Fällen effektiv. Open-Source-Lizenz und unkomplizierter Algorithmus. Bewertung gesammelt von und auf G2.com gehostet.

Es gibt leistungsstärkere Werkzeuge wie spaCy, die tiefgehende Lerntechniken verwenden, um mehr Informationen wie den Kontext in einem Satz zu identifizieren. Bewertung gesammelt von und auf G2.com gehostet.

es ist eine Open-Source-Bibliothek und sehr einfach in Java zu verwenden, sie teilt den Satz und liefert die Wörter (Entitäten) als Ergebnis, die tatsächlich Sinn ergeben, wie Person, Ort usw. Bewertung gesammelt von und auf G2.com gehostet.

dieses Projekt entwickelt sich gerade, daher ist es nicht wahr, dass Sie jederzeit für jedes Szenario ein genaues Ergebnis erhalten werden!! Bewertung gesammelt von und auf G2.com gehostet.

Fähigkeit, ein Themenmodell zu trainieren, da die meisten Textanalyseprogramme, die ich verwendet habe, nicht die Möglichkeit bieten, ein Programm spezifisch für einen bestimmten Datensatz zu trainieren. Bewertung gesammelt von und auf G2.com gehostet.

Nicht so effektiv für Texte mit kleinen Stichprobengrößen. Da der Schwerpunkt des Programms auf dem Training von Themenmodellen liegt, gibt es keine ausreichende Analyse für kleinere Dokumente, was Programme mit integrierter Textanalyse (wie stimmungsbasierte, natürliche Sprachverarbeitung) nützlicher macht. Bewertung gesammelt von und auf G2.com gehostet.

Es hat die gängigsten und sogar einige ungewöhnliche Algorithmen implementiert. Und das Beste daran ist, sie sind in Java! Bewertung gesammelt von und auf G2.com gehostet.

Ich finde, dass die Dokumentation etwas schwierig zu verwenden sein kann. Aber sie ist immer noch viel besser als viele andere ML-Bibliotheken. Bewertung gesammelt von und auf G2.com gehostet.

Ich benutze den Stanford-Tokenizer seit sechs Jahren und ich liebe ihn. Er lässt sich leicht in jede Anwendung integrieren und kann Sonderzeichen wie ",", "$" usw. erkennen. Er hat auch die Funktion, Tokens zu entfernen, die mit einem bestimmten Regex übereinstimmen. Außerdem bietet er eine Vielzahl von Konfigurationsmöglichkeiten entsprechend den Anforderungen des Benutzers. Bewertung gesammelt von und auf G2.com gehostet.

Es wandelt Klammern in andere Symbole um, z.B. LCB-, -LRB-, -RCB-, -RRB, die manchmal eine zusätzliche Verarbeitung erfordern. Bewertung gesammelt von und auf G2.com gehostet.

Sein Leichtigkeitsgrad, der Code und das klare neue Produkt müssen der breiten Öffentlichkeit bekannt gemacht werden und produktiv sein. Bewertung gesammelt von und auf G2.com gehostet.

Die Dateiextraktion ist ziemlich langsam. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe den Stanford NLTK-Parser in verschiedenen Projekten zur Verarbeitung natürlicher Sprache verwendet. Er funktioniert sehr gut, die Dokumentation ist ausreichend. Bewertung gesammelt von und auf G2.com gehostet.

Es gibt nichts, was ich speziell an den Stanford NLP Parsing-Tools hervorheben würde. Bewertung gesammelt von und auf G2.com gehostet.