Stop Words Cleaner for Japanese


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_ja", "ja") \
        .setInputCols(["token"]) \
nlp_pipeline = Pipeline(stages=[document_assembler, tokenizer, stop_words])
light_pipeline = LightPipeline([['']]).toDF("text")))
results = light_pipeline.fullAnnotate("北の王であることを除いて、ジョン・スノーはイギリスの医師であり、麻酔と医療衛生の開発のリーダーです。")
val stopWords = StopWordsCleaner.pretrained("stopwords_ja", "ja")
val pipeline = new Pipeline().setStages(Array(document_assembler, tokenizer, stopWords))
val result =["北の王であることを除いてジョンスノーはイギリスの医師であり麻酔と医療衛生の開発のリーダーです。"].toDS.toDF("text")).transform(data)
import nlu

text = ["""北の王であることを除いて、ジョン・スノーはイギリスの医師であり、麻酔と医療衛生の開発のリーダーです。"""]
stopword_df = nlu.load('ja.stopwords').predict(text)


[Row(annotatorType='token', begin=0, end=49, result='北の王であることを除いて、ジョン・スノーはイギリスの医師であり、麻酔と医療衛生の開発のリーダーです。', metadata={'sentence': '0'}),

Model Information

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

Data Source

The model is imported from