Informace o publikaci

Utok: The Fast Rule-based Tokenizer

Autoři

RYCHLÝ Pavel ŠPALEK Samuel

Rok publikování 2022
Druh Článek ve sborníku
Konference Proceedings of the Sixteenth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2022
Fakulta / Pracoviště MU

Fakulta informatiky

Citace
www
Klíčová slova tokenizer; tokenization; text processing
Popis Tokenization is one of the first processing steps in most natural language processing applications. The papper introduces a new tokenizer Utok which follows the Unitok tokenizer in the form of simplicity of configuration for different languages and is much faster in processing speed.
Související projekty:

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.

Další info