JarCastingopen-korean-text 
Open-source Korean Text Processor / 오픈소스 한국어 처리기 (Official Fork of twitter-korean-text)
Scala/Java library to process Korean text with a Java wrapper. open-korean-text currently provides Korean normalization and tokenization. Please join our community at Google Forum. The intent of this text processor is not limited to short tweet texts.
스칼라로 쓰여진 한국어 처리기입니다. 현재 텍스트 정규화와 형태소 분석, 스테밍을 지원하고 있습니다. 짧은 트윗은 물론이고 긴 글도 처리할 수 있습니다. 개발에 참여하시고 싶은 분은 Google Forum에 가입해 주세요. 사용법을 알고자 하시는 초보부터 코드에 참여하고 싶으신 분들까지 모두 환영합니다.
open-korean-text의 목표는 빅데이터 등에서 간단한 한국어 처리를 통해 색인어를 추출하는 데에 있습니다. 완전한 수준의 형태소 분석을 지향하지는 않습니다.
open-korean-text는 normalization, tokenization, stemming, phrase extraction 이렇게 네가지 기능을 지원합니다.
정규화 normalization (입니닼ㅋㅋ -> 입니다 ㅋㅋ, 샤릉해 -> 사랑해)
- 한국어를 처리하는 예시입니닼ㅋㅋㅋㅋㅋ -> 한국어를 처리하는 예시입니다 ㅋㅋ
토큰화 tokenization
- 한국어를 처리하는 예시입니다 ㅋㅋ -> 한국어Noun, 를Josa, 처리Noun, 하는Verb, 예시Noun, 입니다Adjective(이다), ㅋㅋKoreanParticle
어근화 stemming (입니다 -> 이다)
- 한국어를 처리하는 예시입니다 ㅋㅋ -> 한국어Noun, 를Josa, 처리Noun, 하다Verb, 예시Noun, 이다Adjective, ㅋㅋKoreanParticle
어구 추출 phrase extraction
- 한국어를 처리하는 예시입니다 ㅋㅋ -> 한국어, 처리, 예시, 처리하는 예시
Introductory Presentation: Google Slides
Web API Service
open-korean-text-api
이 API 서비스는 Heroku 서버에서 제공되며(Domain: https://open-korean-text.herokuapp.com/) 현재 정규화(normalization), 토큰화(tokenization), 어근화(stemmin), 어구 추출(phrase extract) 서비스를 제공합니다.
각 서비스와 사용법은 다음과 같습니다.
normalize, tokenize, stem, extractPhrases 가 각 서비스의 Action 이 되며 Query parameter 는 text 입니다.
Semantic Versioning
1.0.2 (Major.Minor.Patch)
Major: API change Minor: Processor behavior change Patch: Bug fixes without a behavior change
API
Maven
To include this in your Maven-based JVM project, add the following lines to your pom.xml: / Maven을 이용할 경우 pom.xml에 다음의 내용을 추가하시면 됩니다:
<dependency>
<groupId>org.openkoreantext</groupId>
<artifactId>open-korean-text</artifactId>
<version>2.1.0</version>
</dependency>
Maven Repository: http://mvnrepository.com/artifact/org.openkoreantext/open-korean-text
Support for other languages.
| Type | Language | Contributor |
|---|---|---|
| Wrapper | .net/C# | modamoda |
| Wrapper | Node JS | Ch0p |
| Wrapper | Node JS | Youngrok Kim |
| Wrapper | Python | Jaepil Jeong |
| Wrapper | Clojure | Seonho Kim |
| Wrapper | Ruby for Java Version | jun85664396 |
| Wrapper | Ruby for Scala Version | Jaehyun Shin |
| Porting | Python | Baeg-il Kim |
| Package | Python Korean NLP | KoNLPy |
| Package | Elastic Search | socurites |
| Package | Elastic Search | Jaehyun Shin |
Get the source / 소스를 원하시는 경우
Clone the git repo and build using maven. / Git 전체를 클론하고 Maven을 이용하여 빌드합니다.
git clone https://github.com/open-korean-text/open-korean-text.git
cd open-korean-text
mvn compile
Open 'pom.xml' from your favorite IDE.
Basic Usage / 사용 방법
You can find these examples in examples folder. / examples 폴더에 사용 방법 예제 파일이 있습니다.
Running Tests
mvn test will run our unit tests / 모든 유닛 테스트를 실행하려면 mvn test를 이용해 주세요.
Contribution
Refer to the general contribution guide. We will add this project-specific contribution guide later.
Performance / 처리 속도
Tested on Intel i7 2.3 Ghz
Initial loading time (초기 로딩 시간): 2~4 sec
Average time per parsing a chunk (평균 어절 처리 시간): 0.12 ms
Tweets (Avg length ~50 chars)
| Tweets | 100K | 200K | 300K | 400K | 500K | 600K | 700K | 800K | 900K | 1M |
|---|---|---|---|---|---|---|---|---|---|---|
| Time in Seconds | 57.59 | 112.09 | 165.05 | 218.11 | 270.54 | 328.52 | 381.09 | 439.71 | 492.94 | 542.12 |
Average per tweet: 0.54212 ms
Benchmark test by KoNLPy
From http://konlpy.org/ko/v0.4.3/morph/#pos-tagging-with-konlpy
Author
- Will Hohyon Ryu (유호현): https://github.com/nlpenguin | https://twitter.com/NLPenguin
Admin Staff
- Mingyu Kim (김민규): https://github.com/MechanicKim
License
Copyright 2014 Twitter, Inc.
Licensed under the Apache License, Version 2.0: http://www.apache.org/licenses/LICENSE-2.0
