NLP कार्यों के लिए जावा में टेक्स्ट समानता स्कोर और सेंटिमेट की गणना करें।
जावा में शब्द, वाक्यांश, वाक्य और पैराग्राफ की समानता की गणना करें
Similarity एक ओपन-सोर्स जावा टूलकिट है जिसे व्यक्तिगत शब्दों से लेकर पूरे पैराग्राफ तक, कई टेक्स्ट स्तरों पर सिमेंटिक दूरी की गणना करने के लिए डिज़ाइन किया गया है। यह उन जावा डेवलपर्स और NLP इंजीनियरों के लिए उपयुक्त है जो ऐसे सहायता सिस्टम बना रहे हैं जिन्हें सिमेंटिक मिलान या इंटेंट विश्लेषण की आवश्यकता होती है।
यह टूलकिट Cilin और HowNet के माध्यम से शब्द समानता, मोर्फो-सिंटैक्टिक नियमों का उपयोग करके वाक्यांश और वाक्य मिलान, और कोसाइन दूरी व एडिट डिस्टेंस के माध्यम से पैराग्राफ समानता के लिए एल्गोरिदम प्रदान करता है। इसमें HowNet-आधारित शब्द सेंटिमेट विश्लेषण और word2vec-संचालित पर्यायवाची सिफ़ारिशें भी शामिल हैं।
कस्टम कस्टमर सपोर्ट मैचिंग इंजन या इंटेंट क्लासिफायर बनाने वाली जावा-केंद्रित विकास टीमों के लिए उपयुक्त। जावा इकोसिस्टम के बाहर काम करने वाले डेवलपर्स या जिन्हें बॉक्स से बाहर BERT जैसे प्री-बिल्ट डीप लर्निंग ट्रांसफॉर्मर मॉडल की आवश्यकता है, उनके लिए उपयुक्त नहीं है।
विशिष्ट एल्गोरिदम का उपयोग करके शब्दों, वाक्यांशों, वाक्यों और पैराग्राफ में स्कोर की गणना करें।
HowNet सिमेंटिक पेड़ों का उपयोग करके सकारात्मक और नकारात्मक शब्द प्रवृत्तियों का विश्लेषण करें।
कस्टम टेक्स्ट कॉर्पोरा का उपयोग करके पर्यायवाची उत्पन्न करें और वर्ड वेक्टर मॉडल को प्रशिक्षित करें।
कुशल संसाधन उपयोग के लिए लेज़ी तरीके से लोड की गई सादे पाठ वाली डिक्शनरी के साथ कम युग्मन बनाए रखें।
Apache-2.0 लाइसेंस के तहत मुफ़्त, जिसमें किसी भी भुगतान किए गए होस्टेड विकल्प का उल्लेख नहीं है। एकमात्र लागत आपके अपने जावा एप्लिकेशन आर्किटेक्चर के भीतर लाइब्रेरी को एकीकृत करना और चलाना है।
877 खुले रिमोट AI-ट्रेनिंग रोल, 16 नवंबर 2026 को अपडेट; ज़्यादातर में $20–$175 प्रति घंटा। इनमें से 5 हिंदी बोलने वालों के लिए हैं। Zekai इन्हें मुफ़्त में लिस्ट करता है; आवेदन एम्प्लॉयर के प्लेटफ़ॉर्म पर जाता है।
ये समीक्षित AI टूल यही काम तुरंत करते हैं — हमारी स्कोर की गई डायरेक्टरी से।
रिपॉजिटरी किसी कड़े जावा संस्करण को निर्दिष्ट नहीं करती है, लेकिन Maven या Gradle एकीकरण के लिए मानक आधुनिक जावा वातावरण मान लिए जाते हैं।
हाँ, डिक्शनरी सादे पाठ में प्रकाशित की जाती हैं और आप प्रदान किए गए टूल का उपयोग करके कस्टम word2vec कॉर्पोरा को प्रशिक्षित कर सकते हैं।
नहीं, यह टूलकिट पारंपरिक सिमेंटिक और लेक्सिकल एल्गोरिदम पर ध्यान केंद्रित करता है; BERT जैसे डीप लर्निंग मॉडल के लिए अलग लाइब्रेरी की आवश्यकता होती है।
Google में Zekai को सबसे पहले देखें