การแลกเปลี่ยนทรัพยากรและเครื่องมือ

จาก Thai Human Language Technology Alliance, สารานุกรมฟรี

กรุณาระบุสัญญาอนุญาต (license) ให้ชัดเจน

• ลักษณะการนำไปใช้ (เช่น เฉพาะการศึกษาวิจัย เฉพาะใช้ส่วนตัว ใช้หากำไรได้ ฯลฯ)
• ขอบเขต (เช่น เฉพาะภายในกลุ่ม THLTA เฉพาะสถานศึกษา หรือใช้ได้ทั่วไป ฯลฯ)
• ค่าใช้จ่าย (ถ้ามี)
• เงื่อนไขอื่น ๆ
• ที่ติดต่อ

การระบุสัญญาอนุญาตให้ชัดเจน จะช่วยให้การพิจารณาเลือกใช้ทรัพยากรและเครื่องมือ เป็นไปได้อย่างรวดเร็วยิ่งขึ้น

สารบัญ 1 ทรัพยากร 1.1 ข้อมูลความถี่คำ 1.2 คลังคำ 1.2.1 LEXiTRON 1.2.2 NAiST word-list 1.3 คลังข้อความ 1.3.1 NAiST Corpus 1.3.2 NAiST Trigram Model for ACOPOST 1.3.3 Orchid corpus 1.3.4 BEST corpus 2 เครื่องมือ 2.1 ตัวตัดคำ 2.2 เครื่องมือกำกับชนิดของคำ 2.3 โปรแกรมทับศัพท์ 2.4 เว็บระบบช่วยแปลภาษา

ทรัพยากร

ข้อมูลความถี่คำ

• ความถี่คำไทยจากอินเทอร์เน็ต
  • จากหน้าผลลัพธ์เสิร์ชเอนจิ้น ผ่าน Yahoo Search API โดยใช้คำค้นเป็นหัวเรื่องจากวิกิพีเดียภาษาไทย ประมาณ 40,000 หัวเรื่อง
  • ติดต่อ วิทวัส จิตกฤตธรรม

• ความถี่คำไทย 1000 อันดับแรก จากคลังข้อความ
  • 1000 คำถี่สุด จาก Orchid corpus
  • 1000 คำถี่สุด จาก Haas, Links, Orchid, Tax corpus
  • รวบรวมโดย Doug Cooper, Center for Research in Computational Linguistics

คลังคำ

LEXiTRON

• http://lexitron.nectec.or.th/
• สัญญาอนุญาต: BSDL-like?
• พัฒนาถึงรุ่น 2.6 แล้ว; ข้อมูลของรุ่น 2.0 เปิดให้ดาวน์โหลดได้ (ต้องลงทะเบียนก่อน)

NAiST word-list

• รายการคำพร้อมชนิดของคำที่ใช้ใน NAiST Corpus
• สัญญาอนุญาต: ใช้ภายใน THLTA
• ติดต่อ naist@naist.cpe.ku.ac.th

คลังข้อความ

NAiST Corpus

• 675341 คำ (39925 ประโยค)
• ตัดคำ
• กำกับชนิดคำ (Part-of-Speech)
• ตัดประโยค
• สัญญาอนุญาต: ใช้ภายใน THLTA
• ติดต่อ naist@naist.cpe.ku.ac.th

NAiST Trigram Model for ACOPOST

• ตัวแบบ 3-แกรม สร้างจาก NAiST Corpus
• http://naist.cpe.ku.ac.th/pkg/posdb

Orchid corpus

• ตัดคำ
• กำกับชนิดคำ (Part-of-Speech)
• ตัดประโยค
• สัญญาอนุญาต: ใช้ในการวิจัยเท่านั้น
  • เคยเปิดให้ดาวน์โหลดที่ http://links.nectec.or.th/ (เว็บไซต์หายไปแล้ว)
  • หน้าดาวน์โหลดชั่วคราว (ดึงมาจาก Wayback Machine) http://culturelab.in.th/files/orchid.html

BEST corpus

• ตัดคำ
• 5,600,000 คำ
• ติดต่อ: โครงการ BEST เนคเทค http://www.hlt.nectec.or.th/2009
• สัญญาอนุญาต: เพื่อการศึกษาเท่านั้น

เครื่องมือ

ตัวตัดคำ

• cttex (Windows patch)
  • อัลกอริธึม: Longest word match with minimal word counts and unknown bytes [1]
  • ภาษา: C
  • สัญญาอนุญาต: GPL
  • รายละเอียด + วิธีใช้: [2]
  • หมายเหตุ: มีรายการคำ (เพิ่มเติมจากพจนานุกรมราชบัณฑิตฯ)
• swath
  • สัญญาอนุญาต: GPL
• KU-Cut
  • อัลกอริธึม: unsupervised learning based word segmentation paper
  • ภาษา: Python
  • สัญญาอนุญาต: GPL
  • หมายเหตุ: มีรายการวลี
• Thai Word Segmentation
  • ภาษา: Perl
  • ระบบปฏิบัติการ: Windows
  • สามารถใช้บริการผ่านเว็บได้
  • สัญญาอนุญาต: ?

เครื่องมือกำกับชนิดของคำ

เครื่องมือกำกับชนิดของคำ (Part-of-speech tagger)

• Acopost รุ่นปรับปรุง
  • สัญญาอนุญาต: GPL
  • Acopost download

โปรแกรมทับศัพท์

• Tubsub [3]

เว็บระบบช่วยแปลภาษา

• ภาษาอาสา BasaAsa [4]
• สัญญาอนุญาต: GPL