langumo-ko

한국어 말뭉치용 langumo parser 모음

Introduction

langumo-ko는 langumo 라이브러리에서 사용할 수 있는 한국어용 Parser를 제공합니다. langumo를 사용하여 데이터셋을 빌드할 시, 해당 라이브러리에서 구현된 Parser를 사용하여 다양한 말뭉치 데이터를 간단하게 사용할 수 있습니다. langumo-ko가 지원하는 말뭉치 종류는 다음과 같습니다.

나무위키 (langumo_ko.NamuWikiParser): 나무위키 덤프 파일을 파싱합니다. 7z 형식으로 압축된 덤프 파일에 포함된 원본 json 파일을 사용해야 합니다.
모두의 말뭉치 - 신문 말뭉치 (langumo_ko.ModuNewsParser): 모두의 말뭉치에서 제공하는 신문 말뭉치 데이터를 파싱합니다.
모두의 말뭉치 - 문어 말뭉치 (langumo_ko.ModuWrittenParser): 모두의 말뭉치에서 제공하는 문어 말뭉치 데이터를 파싱합니다.
모두의 말뭉치 - 웹 말뭉치 (langumo_ko.ModuWebParser): 모두의 말뭉치에서 제공하는 웹 말뭉치 데이터를 파싱합니다.

Installation

With pip

langumo-ko는 PyPI 저장소에 배포되어 있습니다. pip을 이용하여 다음과 같이 설치할 수 있습니다.

$ pip install langumo-ko

From source

pip을 사용하는 대신, 해당 레포지토리를 내려받고 직접 빌드해 설치할 수 있습니다.

$ git clone https://github.com/affjljoo3581/langumo-ko.git
$ cd langumo-ko
$ python setup.py install

Usage

langumo로 위에서 나열한 말뭉치를 빌드하기 위해서 다음과 같이 build.yml을 수정하면 됩니다.

langumo:
  inputs:
  - path: src/NIKL_NEWSPAPER(v1.0).zip
    parser: langumo_ko.ModuNewsParser
  
  # other configurations...

License

langumo-ko 라이브러리는 Apache-2.0 라이센스를 갖습니다.