Eine Java-Suite für Tokenisierung, NER, Parsing und Stimmungsanalyse.
Verarbeiten Sie klinische Texte mit Tools für Tokenisierung, Parsing und Stimmungsanalyse.
Stanford CoreNLP ist ein Java-basiertes Framework für natürliche Sprachverarbeitung, das Rohtext in linguistische Bausteine zerlegt. Es eignet sich für Fachleute im Bereich psychischer Gesundheit und Entwickler, die Text-Mining-Pipelines für klinische oder therapeutische Notizen erstellen.
Das Framework nimmt menschliche Sprache als Eingabe, um Grundformen von Wörtern, Wortarten, benannte Entitäten und syntaktische Phrasenstrukturen zu generieren. Es nutzt eine Mischung aus regelbasierten, probabilistischen Machine-Learning- und Deep-Learning-Komponenten zur Verarbeitung mehrerer Sprachen.
Es eignet sich für Java-Entwickler und Data Scientists, die benutzerdefinierte Textanalyse-Pipelines für die psychologische Forschung oder klinische Dokumentation entwickeln. Es ist nicht geeignet für Kliniker, die eine sofort einsatzbereite Desktop-Anwendung ohne Programmiererfahrung suchen.
Zerlegt Rohtext in menschlicher Sprache in einzelne Token und Sätze.
Identifiziert und kategorisiert Entitäten wie Namen, Daten und numerische Mengen.
Markiert die Satzstruktur mithilfe syntaktischer Phrasen und Abhängigkeiten.
Bietet unterschiedliche Unterstützungsstufen für Arabisch, Chinesisch, Französisch, Deutsch, Ungarisch, Italienisch und Spanisch.
Kostenlos unter der GNU General Public License, ohne im Repository erwähnte kostenpflichtige Hosting-Optionen.
896 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
CoreNLP ist in Java geschrieben und für die Integration in Java-Anwendungen konzipiert.
Sie können die entsprechenden Sprachmodell-JARs von der Stanford-NLP-Website oder dem Hugging Face Hub herunterladen und in Ihren Classpath einbinden.
Zekai zuerst in Google sehen