mirror of https://github.com/explosion/spaCy.git
52 lines
1.4 KiB
Python
52 lines
1.4 KiB
Python
# coding: utf8
|
|
from __future__ import unicode_literals
|
|
|
|
# This list was created by taking the top 2000 words from a Wikipedia dump and
|
|
# filtering out everything that wasn't hiragana. ー (one) was also added.
|
|
# Considered keeping some non-hiragana words but too many place names were
|
|
# present.
|
|
STOP_WORDS = set(
|
|
"""
|
|
あ あっ あまり あり ある あるいは あれ
|
|
い いい いう いく いずれ いっ いつ いる いわ
|
|
うち
|
|
え
|
|
お おい おけ および おら おり
|
|
か かけ かつ かつて かなり から が
|
|
き きっかけ
|
|
くる くん
|
|
こ こう ここ こと この これ ご ごと
|
|
さ さらに さん
|
|
し しか しかし しまう しまっ しよう
|
|
す すぐ すべて する ず
|
|
せ せい せる
|
|
そう そこ そして その それ それぞれ
|
|
た たい ただし たち ため たら たり だ だけ だっ
|
|
ち ちゃん
|
|
つ つい つけ つつ
|
|
て で でき できる です
|
|
と とき ところ とっ とも どう
|
|
な ない なお なかっ ながら なく なけれ なし なっ など なら なり なる
|
|
に にて
|
|
ぬ
|
|
ね
|
|
の のち のみ
|
|
は はじめ ば
|
|
ひと
|
|
ぶり
|
|
へ べき
|
|
ほか ほとんど ほど ほぼ
|
|
ま ます また まで まま
|
|
み
|
|
も もう もっ もと もの
|
|
や やっ
|
|
よ よう よく よっ より よる よれ
|
|
ら らしい られ られる
|
|
る
|
|
れ れる
|
|
を
|
|
ん
|
|
一
|
|
""".split()
|
|
)
|