分段规则交换文件答案

【问题标题】：Segmentation Rules Exchange Files分段规则交换文件
【发布时间】：2014-10-13 21:56:09
【问题描述】：

我正在从事句子分割项目，我正在搜索用于句子分割的 SRX 文件（分割规则交换）。我试图找到用于英语、法语、德语、西班牙语、意大利语句子分割的 srx（分段规则交换）文件。但我失败了:(

是否有任何机构可以帮助我，因为我不想花时间编写这些文件？

这是这个文件的一个例子：

<languagerule languagerulename="English">
<rule break="no">
<beforebreak>\b[nN]o\.\s</beforebreak>
<afterbreak>\p{N}</afterbreak>
</rule>
<rule break="no">
<beforebreak>\b(pp|[Vv]iz|i\.?\s*e|[Vvol]|[Rr]col|maj|Lt|[Ff]ig|[Ff]igs|[Vv]iz|[Vv]ols|[Aa]pprox|[Ii]ncl|Pres|[Dd]ept|min|max|[Gg]ovt|lb|ft|c\.?\s*f|vs)\.\s</beforebreak>
<afterbreak>[^\p{Lu}]|I</afterbreak>
</rule>

【问题讨论】：

"是否有任何机构可以帮助我，因为我不想花时间写这些文件？" 所以你想让别人写这些文件给你？发布解决您的问题的任何相关尝试

标签： xml regex nlp text-segmentation languagetool

【解决方案1】：

LanguageTool 在https://github.com/languagetool-org/languagetool/blob/master/languagetool-core/src/main/resources/org/languagetool/resource/segment.srx 有一个涵盖这些语言的文件（免责声明：我是 LanguageTool 的作者）

【讨论】：

谢谢 .. 这个文件对我很有用。你知道其他类似的文件吗？因为我想合并所有这些。