Kumpulan dataset stopwords bahasa Indonesia untuk data pre-processing Twitter
==Terakhir diperbarui 19 Juli 2022==
Proyek ini di-inisialisasi oleh Braincore.id sebagai kontribusi dalam pengembangan dataset stopwords sosial media Twitter untuk memudahkan penelitian yang menggunakan dataset dari platform tersebut demi kemajuan NLP Indonesia.
Tata cara kontribusi dapat dibaca pada dokumen berikut ini
-
Clone terlebih dahulu git ini menggunakan command
git clone https://github.com/Braincore-id/stopwords_twitter_indo.git -
Bagi yang memang sudah memiliki kumpulan stopwords yang ingin ditambahkan dapat melewati tahap 2. Jalankan Colab berikut untuk dijadikan acuan stopwords apa saja yang ingin dimasukkan
-
Setelah mendapatkan kumpulan stopwords, masukkan kumpulan stopwords tersebut kedalam file .txt dengan format sebagai berikut
<stopword A>
<stopword B>
<stopword C>
...
...
-
Jalankan perintah
python add_csv.py --new_stopwords <file.txt>. Untuk lebih jelas mengenai argparse apa saja yang dapat digunakan bisa menggunakan perintahpython add_csv.py --help -
Lakukan pull request sehingga hasil stopwords akan ditambahkan kedalam final stopwords
- Support csv dan format lain sebagai format file untuk menambahkan stopwords
- Penghitung Stopwords otomatis di README.md
- Pembaruan otomatis pada Terakhir diperbarui pada README.md