Separador de oraciones

Esta herramienta analiza el texto introducido y detecta límites de oraciones para producir una lista ordenada de oraciones. Está diseñada para desarrolladores que realizan preprocesamiento NLP, editores que preparan contenido e investigadores que crean conjuntos de datos. Soporta reglas específicas de idioma, maneja abreviaturas comunes y puede operar en modo mínimo o avanzado.

Conceptualmente, la herramienta utiliza una combinación de heurísticas basadas en patrones y reglas lingüísticas opcionales para identificar signos de final de oración, evitando divisiones tras iniciales y abreviaturas comunes. Devuelve una lista limpia de oraciones con posibles offsets de inicio.

Características principales: idioma configurable, diccionario de abreviaturas proporcionado por el usuario, cantidad máxima de oraciones opcional, recorte y normalización de espacios, y formatos listos para exportar para pipelines posteriores. Casos de uso: preprocesamiento para resúmenes, análisis de sentimiento, flujos de anotación y análisis de texto a gran escala. Beneficios: límites deterministas, resultados reproducibles y manejo eficiente de grandes corpus.