Íslenskur taugaþáttari, sem er þjálfaður á sögulega íslenska trjábankanum (IcePaHC), tilheyrir máltæknipakkanum Stanza og unnið er að því að gera hann aðgengilegan í gegnum pípuna þeirra (https://github.com/stanfordnlp/stanza). Hér verða sýnd notkunardæmi fyrir þáttarann.
Til að keyra þáttarann þarf að hafa Python 3.6 eða nýrri. Einnig þarf að sækja nokkra pakka til viðbótar en þeir eru taldir upp í skránni run.sh.
Hægt er að nálgast íslenska líkanið hér.
Ef líkanið er vistað í möppunni /stanza_is er hægt að keyra ./run.sh til að þátta texta. Keyrið eftirfarandi skipun:
./run.sh inputfile.txt txtOutputfile.txt psdOutputfile.psd
- inputfile.txt er inntakstextinn sem á að þátta.
- txtOutputfile.txt er úttakið úr þáttuninni þar sem hver lína inniheldur eina þáttaða setningu.
- psdOutputfile.psd er úttakið úr þáttuninni þar sem trén eru á svipuðu sniði og í IcePaHC-trjábankanum.
Einnig er hægt að nota líkanið á eftirfarandi hátt með Stanza pípunni:
import stanza
nlp = stanza.Pipeline(lang='is', processors='tokenize, pos, constituency', constituency_model_path='/stanza_is/is_icepahc_transformer_finetuned_constituency.pt')
doc = nlp('Þetta er stutt setning.')
for sentence in doc.sentences:
sentence = str(sentence.constituency).replace('*', '-')
sentence = sentence.replace('ROOT ', '')
print(sentence)Úttakið er þá:
((IP-MAT (NP-SBJ (D-N Þetta)) (BEPI er) (NP-PRD (ADJ-N stutt) (N-N setning)) (. .)))