ahmetaa/zemberek-nlp

Zemberek-NLP – トルコ語自然言語処理ツールキット

概要 – トルコ語に特化したNLPコンポーネントをまとめたJavaライブラリです。低レベルのテキスト処理（トークン化、スペル修正）から、形態素解析、固有表現抽出、言語識別、テキスト分類といった高レベルなタスクまでを網羅しています。

主要モジュール

モジュール	機能
Core	他のモジュールで使用されるユーティリティコレクション、ハッシュ関数、ヘルパークラス。
Morphology	トルコ語の形態素解析、曖昧性解消、語形生成。
Tokenization	トルコ語の正書法に最適化された文境界検出とトークン化。
Normalization	スペルチェック、単語提案、ノイズテキストのクリーニング。
NER	固有表現抽出器（モデルは未同梱）。
Classification	FacebookのfastTextのJava移植版に基づくテキスト分類。
Language Identification	指定されたテキストの言語を高速に検出。
Language Modeling	圧縮に適した言語モデル形式とユーティリティ。
Applications	すぐに実行可能なコンソールツール（例：対話型形態素解析器）。
gRPC Server	他の言語から呼び出せるよう、gRPC経由でライブラリを公開。
Examples	一般的な使用パターンを示す小さなプログラム。

使用方法

Maven – Zemberek Mavenリポジトリ (https://raw.github.com/ahmetaa/maven-repo/master) を追加し、必要なモジュール（例：zemberek-morphology バージョン 0.17.1）を依存関係として宣言します。
Standalone JAR – リンク先のGoogle-Driveフォルダから zemberek-full.jar をダウンロードします。java -jar zemberek-full.jar を実行すると、同梱されているコンソールアプリケーションが一覧表示されます。
Source – リポジトリには examples モジュールと、APIの使用例を示す独立した turkish-nlp-examples プロジェクトが含まれています。

現在のステータス – プロジェクトは 低頻度メンテナンスモード です。最新リリースは0.17.1 (2019年7月) です。一部のコンポーネント（NERなど）には事前学習済みモデルがなく、マルチスレッドテストも限定的です。

ライセンス – Apache License 2.0（寛容で商用利用可能）。

対象ユーザー – トルコ語アプリケーション（チャットボット、検索、テキスト分析など）を構築する研究者、開発者、ホビイストで、直接組み込み可能またはgRPC経由でアクセス可能な純Javaソリューションを求めている方。