pycantonese

PyCantonese 项目介绍

PyCantonese 是一个用于粤语语言学和自然语言处理（NLP）的 Python 库。该项目专注于处理粤语文本，为研究和开发提供多种工具。

功能特性

PyCantonese 当前实现的功能包括：

• 语料库数据访问与搜索：提供对现有粤语语料库数据的访问和搜索功能，方便用户进行语言学研究。
• 注音转换工具：支持粤语拼音Jyutping的解析与转换，使得处理中文罗马化拼音更加简单。
• 粤语文本解析：提供对粤语文本的解析能力，帮助用户更好地理解和使用粤语语言数据。
• 停用词：包括常用的粤语停用词列表，以提升自然语言处理任务的准确性。
• 分词功能：能够对粤语文本进行分词，识别词语边界。
• 词性标注：提供词汇的词性标注能力，帮助解析和理解句子结构。

下载与安装

用户可以通过以下命令，下载并安装 PyCantonese 的最新稳定版本：

$ pip install --upgrade pycantonese

若想更深入了解 PyCantonese，可以访问项目的快速入门页面。

咨询服务

对于希望在使用 PyCantonese 上获得专业支持的团队，无论是学术界还是商业界，均可以获取提供的自由职业咨询与培训服务。具体详情可以联系项目负责人 Jackson L. Lee。

项目支持

如果您发现 PyCantonese 对您的工作有帮助并希望支持项目，请考虑“请我喝杯咖啡”，这对项目有很大帮助。

项目链接

• 源代码和开发动态均托管在 GitHub。
• 若发现 Bug，可以在项目的 Bug 追踪器上提交问题。
• 项目在社交媒体上也有存在，用户可以关注以获取最新资讯。

如何引用

在文献或者项目中引用 PyCantonese 的方式由以下格式提供：

@inproceedings{lee-etal-2022-pycantonese,
   title = "PyCantonese: Cantonese Linguistics and NLP in Python",
   author = "Lee, Jackson L.  and
      Chen, Litong  and
      Lam, Charles  and
      Lau, Chaak Ming  and
      Tsui, Tsz-Him",
   booktitle = "Proceedings of The 13th Language Resources and Evaluation Conference",
   month = june,
   year = "2022",
   publisher = "European Language Resources Association",
   language = "English",
}

许可证

PyCantonese 采用 MIT 许可证。HKCanCor 数据集和 rime-cantonese 数据也包含在项目中，分别具有 CC BY 和 CC BY 4.0 许可，这些数据用于词切分及角色到Jyutping转换功能。

感谢

感谢下列资源和个人对 PyCantonese 的支持：

• 资源：HKCanCor 和 rime-cantonese，这些资源以宽松的许可证加入到项目中。
• 贡献者：许多贡献者为项目提供了代码、问题报告及反馈，这些贡献提升了项目的质量。

开发环境设置

最新开发中的代码可以从 GitHub 获取。开发者可以通过克隆项目仓库及安装所需环境来开始开发。测试及样式检查同样可以通过使用 pytest、flake8 和 black 工具来进行。

通过科学和系统化的方法，PyCantonese 提供了一个强大的平台，用于处理和研究粤语，使得语言学研究者和开发者能够更加方便地使用和开发粤语自然语言处理工具。