Doğal dil metinlerini işlemek için geliştirilmiş, makine öğrenimi tabanlı, açık kaynaklı bir Java kütüphanesi olan Apache OpenNLP‘nin 2.5.12 ve 3.0.0-M6 sürümleri duyuruldu. Apache OpenNLP’nin, metin verileri üzerinde en yaygın Doğal Dil İşleme (NLP) görevlerini gerçekleştirmek için API’ler ve komut satırı araçları sunduğu söyleniyor. Tokenizasyon (tokenization): Metni kelimelere veya alt bileşenlere (token) ayırma; cümle tespiti (sentence segmentation): Metindeki cümlelerin sınırlarını belirleme; sözcük türü etiketleme (part-of-speech tagging – POS): Kelimelerin cümle içindeki gramer rollerini (isim, fiil, sıfat vb.) bulma; adlandırılmış varlık tanıma (named entity recognition – NER): Metindeki kişi, kurum, yer adı ve tarih gibi özel isimleri tespit etme; öbekleme (chunking): Kelime gruplarını (örn. noun phrase) ayrıştırma; ayrıştırma (parsing): Cümlelerin dil bilgisi ağacını çıkarma; dil tespiti (language detection): Bir metnin hangi dilde yazıldığını belirleme; kök bulma ve gövdeleme (lemmatization / stemming): Kelimeleri köklerine indirgeme bunlardan bazılarıdır. Apache OpenNLP 2.5.12 ve 3.0.0-M6 hakkında bilgi edinmek için ilgili haber sayfalarını inceleyebilirsiniz.
Apache OpenNLP 2.5.12 ve 3.0.0-M6 edinmek için aşağıdaki linkten yararlanabilirsiniz.