Sentence Detection in Tamil Text

Description

SentenceDetectorDL (SDDL) is based on a general-purpose neural network model for sentence boundary detection. The task of sentence boundary detection is to identify sentences within a text. Many natural language processing tasks take a sentence as an input unit, such as part-of-speech tagging, dependency parsing, named entity recognition or machine translation.

Download

How to use

documenter = DocumentAssembler()\
    .setInputCol("text")\
    .setOutputCol("document")
    
sentencerDL = SentenceDetectorDLModel\
  .pretrained("sentence_detector_dl", "ta") \
  .setInputCols(["document"]) \
  .setOutputCol("sentences")

sd_model = LightPipeline(PipelineModel(stages=[documenter, sentencerDL]))

sd_model.fullAnnotate("""ஆங்கில வாசிப்பு பத்திகளின் சிறந்த ஆதாரத்தைத் தேடுகிறீர்களா? நீங்கள் சரியான இடத்திற்கு வந்துவிட்டீர்கள். சமீபத்திய ஆய்வின்படி, இன்றைய இளைஞர்களிடம் படிக்கும் பழக்கம் வேகமாக குறைந்து வருகிறது. கொடுக்கப்பட்ட ஆங்கில வாசிப்பு பத்தியில் சில வினாடிகளுக்கு மேல் அவர்களால் கவனம் செலுத்த முடியாது! மேலும், அனைத்து போட்டித் தேர்வுகளிலும் வாசிப்பு ஒரு ஒருங்கிணைந்த பகுதியாகும். எனவே, உங்கள் வாசிப்புத் திறனை எவ்வாறு மேம்படுத்துவது? இந்த கேள்விக்கான பதில் உண்மையில் மற்றொரு கேள்வி: வாசிப்பு திறனின் பயன் என்ன? வாசிப்பின் முக்கிய நோக்கம் 'உணர்த்துவது'.""")

val documenter = DocumentAssembler()
    .setInputCol("text")
    .setOutputCol("document")

val model = SentenceDetectorDLModel.pretrained("sentence_detector_dl", "ta")
	.setInputCols(Array("document"))
	.setOutputCol("sentence")

val pipeline = new Pipeline().setStages(Array(documenter, model))

val data = Seq("ஆங்கில வாசிப்பு பத்திகளின் சிறந்த ஆதாரத்தைத் தேடுகிறீர்களா? நீங்கள் சரியான இடத்திற்கு வந்துவிட்டீர்கள். சமீபத்திய ஆய்வின்படி, இன்றைய இளைஞர்களிடம் படிக்கும் பழக்கம் வேகமாக குறைந்து வருகிறது. கொடுக்கப்பட்ட ஆங்கில வாசிப்பு பத்தியில் சில வினாடிகளுக்கு மேல் அவர்களால் கவனம் செலுத்த முடியாது! மேலும், அனைத்து போட்டித் தேர்வுகளிலும் வாசிப்பு ஒரு ஒருங்கிணைந்த பகுதியாகும். எனவே, உங்கள் வாசிப்புத் திறனை எவ்வாறு மேம்படுத்துவது? இந்த கேள்விக்கான பதில் உண்மையில் மற்றொரு கேள்வி: வாசிப்பு திறனின் பயன் என்ன? வாசிப்பின் முக்கிய நோக்கம் 'உணர்த்துவது'.").toDF("text")

val result = pipeline.fit(data).transform(data)


import nlu

nlu.load('ta.sentence_detector').predict("ஆங்கில வாசிப்பு பத்திகளின் சிறந்த ஆதாரத்தைத் தேடுகிறீர்களா? நீங்கள் சரியான இடத்திற்கு வந்துவிட்டீர்கள். சமீபத்திய ஆய்வின்படி, இன்றைய இளைஞர்களிடம் படிக்கும் பழக்கம் வேகமாக குறைந்து வருகிறது. கொடுக்கப்பட்ட ஆங்கில வாசிப்பு பத்தியில் சில வினாடிகளுக்கு மேல் அவர்களால் கவனம் செலுத்த முடியாது! மேலும், அனைத்து போட்டித் தேர்வுகளிலும் வாசிப்பு ஒரு ஒருங்கிணைந்த பகுதியாகும். எனவே, உங்கள் வாசிப்புத் திறனை எவ்வாறு மேம்படுத்துவது? இந்த கேள்விக்கான பதில் உண்மையில் மற்றொரு கேள்வி: வாசிப்பு திறனின் பயன் என்ன? வாசிப்பின் முக்கிய நோக்கம் 'உணர்த்துவது'.", output_level ='sentence')  

Results

+--------------------------------------------------------------------------------------------------+
|result                                                                                            |
+--------------------------------------------------------------------------------------------------+
|[ஆங்கில வாசிப்பு பத்திகளின் சிறந்த ஆதாரத்தைத் தேடுகிறீர்களா?]                                     |
|[நீங்கள் சரியான இடத்திற்கு வந்துவிட்டீர்கள்.]                                                     |
|[சமீபத்திய ஆய்வின்படி, இன்றைய இளைஞர்களிடம் படிக்கும் பழக்கம் வேகமாக குறைந்து வருகிறது.]           |
|[கொடுக்கப்பட்ட ஆங்கில வாசிப்பு பத்தியில் சில வினாடிகளுக்கு மேல் அவர்களால் கவனம் செலுத்த முடியாது!]|
|[மேலும், அனைத்து போட்டித் தேர்வுகளிலும் வாசிப்பு ஒரு ஒருங்கிணைந்த பகுதியாகும்.]                   |
|[எனவே, உங்கள் வாசிப்புத் திறனை எவ்வாறு மேம்படுத்துவது?]                                           |
|[இந்த கேள்விக்கான பதில் உண்மையில் மற்றொரு கேள்வி:]                                                |
|[வாசிப்பு திறனின் பயன் என்ன?]                                                                     |
|[வாசிப்பின் முக்கிய நோக்கம் 'உணர்த்துவது'.]                                                       |
+--------------------------------------------------------------------------------------------------+


Model Information

Model Name: sentence_detector_dl
Compatibility: Spark NLP 3.2.0+
License: Open Source
Edition: Official
Input Labels: [document]
Output Labels: [sentences]
Language: ta

Benchmarking

Accuracy:      0.98
Recall:        1.00
Precision:     0.96
F1:            0.98