Se han creado clasificadores para las siguientes tareas NLP:
- Segmentador de Oraciones (Sentence Splitting)
- Tokenización
- POS Tagging
- Named Entity Recognition (NER)
Para obtener estos modelos se han utilizado y modificado los siguientes corpus:
Segmentación de Oraciones:
| CoNLL-A | CoNLL-B | |
|---|---|---|
| Precision | 0.9762 | 0.9865 |
| Recall | 0.9541 | 0.9763 |
| F-Measure | 0.9650 | 0.9814 |
Tokenización:
| CoNLL-A | CoNLL-B | |
|---|---|---|
| Precision | 0.9953 | 0.9945 |
| Recall | 0.9977 | 0.9973 |
| F-Measure | 0.9965 | 0.9959 |
POS Tagging:
| Cantidad Oraciones | 4060 |
|---|---|
| Tamaño mínimo de oraciones | 2 |
| Tamaño máximo de oraciones | 105 |
| Tamaño promedio de oraciones | 26,81 |
| Cantidad de etiquetas | 320 |
| Exactitud | 95,09% |
Named Entity Recognition:
| Corpus de Evaluación | F-Measure |
|---|---|
| AnCora | 0.9731 |
| WikiNER | 0.8408 |
| CoNLL-A | 0.7672 |
| CoNLL-B | 0.7998 |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent