Lemmatizace češtiny

Dominik Bydžovský

Bakalářská práce

Lemmatization of Czech

Anotace:

Bakalářská práce přibližuje téma strojového zpracování češtiny a její specifika. Zodpovězenou otázkou je automatizování procesu lemmatizace, tj. převádění slov do jejich základního tvaru na základě algoritmů, a její transparentní využití v praxi.Cílem práce je souhrnné představení softwarů, které lemmatizaci provádějí, jejich použití a selekce na základě definovaných kritérií pro nekomerční akademické účely. Pro vytvoření pořadí mezi konkurenty byl použit manažerský program pro podporu rozhodování Expert Choice.Důraz byl kladen na praktickou funkčnost a použitelnost softwarů, které byly ozkoušeny na českých volných dílech rozdílné délky a na platformách Linux nebo Windows. Ve výsledcích práce čtenář najde porovnání zkoumaných nástrojů, tabulku rychlostí a finální pořadí nástrojů, které odráží jejich kvalitu a použitelnost.

Abstract:

This Bachelor's thesis deals with the machine processing of the Czech language and other related specifics. The paper answers the question of automating the process of lemmatization, i.e. converting words into their basic forms based on algorithms, and its transparent use in practice. The aim of this work is to provide a summary of all the software tools that perform lemmatization, their use and selection based on the defined criteria for non-commercial,academic purposes. Expert Choice, a management tool that supports decision making, was usedto create a sequence among the competitors. The emphasis was put on the practical functionality and usability of the software tools, which were tested on Czech public domain books of different lengths and on the Linux and Windows platforms. The results provide the reader with the comparison of the examined tools, speed ranking table and the final ranking of the tools, which reflects their quality and usability.

Klíčová slova

Lemmatizace, Tokenizace, Lemma, Tagset, Homonymie

Keywords

Lemmatization, Tokenization, Lemma, Tagset, Homonymity

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 27. 4. 2017

Obhajoba závěrečné práce

• Obhajoba proběhla 18. 5. 2017
• Vedoucí: Mgr. Jiří Haviger, Ph.D.
• Oponent: Ing. Karel Mls, Ph.D.

Univerzita Hradec Králové

Fakulta informatiky a managementu

Bakalářský studijní program / obor:
Systémové inženýrství a informatika / Informační management