Stop Words Cleaner for Bengali


This model removes ‘stop words’ from text. Stop words are words so common that they can be removed without significantly altering the meaning of a text. Removing stop words is useful when one wants to deal with only the most semantically important words in a text, and ignore words that are rarely semantically relevant, such as articles and prepositions.

Open in Colab Download

How to use

stop_words = StopWordsCleaner.pretrained("stopwords_bn", "bn") \
        .setInputCols(["token"]) \
nlp_pipeline = Pipeline(stages=[document_assembler, tokenizer, stop_words])
light_pipeline = LightPipeline([['']]).toDF("text")))
results = light_pipeline.fullAnnotate("উত্তরের রাজা হওয়া ছাড়াও জন স্নো একজন ইংরেজ চিকিত্সক এবং অবেদন এবং মেডিকেল হাইজিনের বিকাশের এক নেতা")
val stopWords = StopWordsCleaner.pretrained("stopwords_bn", "bn")
val pipeline = new Pipeline().setStages(Array(document_assembler, tokenizer, stopWords))
val result =["উততর  হওয়া ়া জন  একজন  িিসক এব অবদন এব ি ইজি ি এক া"].toDS.toDF("text")).transform(data)
import nlu

text = ["""উত্তরের রাজা হওয়া ছাড়াও জন স্নো একজন ইংরেজ চিকিত্সক এবং অবেদন এবং মেডিকেল হাইজিনের বিকাশের এক নেতা"""]
stopword_df = nlu.load('bn.stopwords').predict(text)


[Row(annotatorType='token', begin=0, end=6, result='উত্তরের', metadata={'sentence': '0'}),
Row(annotatorType='token', begin=8, end=11, result='রাজা', metadata={'sentence': '0'}),
Row(annotatorType='token', begin=13, end=17, result='হওয়া', metadata={'sentence': '0'}),
Row(annotatorType='token', begin=19, end=24, result='ছাড়াও', metadata={'sentence': '0'}),
Row(annotatorType='token', begin=26, end=27, result='জন', metadata={'sentence': '0'}),

Model Information

Model Name: stopwords_bn
Type: stopwords
Compatibility: Spark NLP 2.5.4+
Edition: Official
Input Labels: [token]
Output Labels: [cleanTokens]
Language: bn
Case sensitive: false
License: Open Source

Data Source

The model is imported from