Package: ucto (0.35-2)

[ Source: ucto  ]

tokenizador Unicode

Ucto pode tokenizar arquivos de texto codificados em UTF-8 (ou seja, separar as palavras da pontuação, dividir sentenças, gerar n-gramas) e oferece vários outros passos básicos de pré-processamento que deixam seu texto pronto para processamento posterior, como indexação, etiquetagem de partes de fala ou tradução de máquina.

Este pacote fornece a ferramenta de linha de comando em si.

Ucto foi escrito por Maarten van Gompel e Ko van der Sloot. O trabalho no Ucto foi financiado pela NWO, a Organização Holandesa para Pesquisa Científica, sob o projeto Implicit Linguistics, o programa CLARIN-NL e o projeto CLARIAH.

Ucto é um produto do Centro de Tecnologia de Linguagem e Fala (Universidade Radboud Nijmegen) e anteriormente pelo Grupo de Pesquisa ILK (Universidade Tilburg, Holanda).

Se você tiver interesse em análise de máquina de arquivos texto codificados em UTF-8, por exemplo para fazer pesquisa científica em processamento de língua natural, o ucto vai ser útil para você.

Tags: Implemented in: C++, Role: Program

Other Packages Related to ucto

• dep: libc6 (>= 2.34)

  GNU Biblioteca C: Bibliotecas compartilhadas
  also a virtual package provided by libc6-udeb

• dep: libfolia22 (>= 2.21.1)

  Implementation of the FoLiA document format

• dep: libgcc-s1 (>= 3.0)

  Biblioteca de suporte GCC

• dep: libicu72 (>= 72.1~rc-1~)

  componentes internacionais para Unicode

• dep: libstdc++6 (>= 13.1)

  Biblioteca C++ padrão da GNU v3

• dep: libticcutils10 (>= 0.36)

  utility functions used in the context of Natural Language Processing (library)

• dep: libucto6 (>= 0.35)

  Unicode Tokenizer - runtime

• dep: uctodata

  Data files for Ucto

Download ucto

Download for all available architectures

Architecture	Package Size	Installed Size	Files
riscv64	29.7 kB	87.0 kB	[list of files]