DILA Word Segmented CBETA Corpus and Auto Segmentation Tool

Dharma Drum Institute of Liberal Arts (DILA, Taïwan) a publié un outil de segmentation automatique dédié aux textes littéraires bouddhiques. Cet outil s’appuie sur un modèle de langue (CRF, Conditional Random Filed model) entraîné à la base d’un corpus annoté manuellement par les spécialistes. Il contient un corpus, qui est le résultat de segmentation automatique pour l’ensemble des collections de CBETA (Chinese Buddhist Electronic Text Association, online e-texts en accès libre).
OpenEdition vous propose de citer ce billet de la manière suivante :
Shueh-Ying LIAO (15 février 2022). DILA Word Segmented CBETA Corpus and Auto Segmentation Tool. Carnet hypothèses du consortium Huma-Num DISTAM (DIgital STudies Africa, Asia, Middle East). Consulté le 16 juin 2025 à l’adresse https://doi.org/10.58079/np8y