Stematizace: Porovnání verzí

← Přejít na předchozí porovnání Přejít na další porovnání →

Smazaný obsah Přidaný obsah

V textu

Verze z 30. 11. 2013, 15:19

Stemming, česky vytvoření základního tvaru, je operace, která pro vyskloňované nebo časované slovo (případně odvozené), vrátí kořen slova. Algoritmus se nazývá stemmer. Tato operace se používá ve vyhledávačích a dovoluje vyhledávat bez ohledu na konkrétní tvar. Podobnou operaci lematizace provádí lemmatizátor - tato operace vrací základní tvar slova (tj. lemma) místo kmene.

Při stemmingu se odstraní morfologické koncovky a případně předpony, např. ne-. Aby vyhledávání fungovalo správně, musí se zpracovat nejen slova v dokumentech, ale stejným způsobem i slova v dotazu.

Stemming je závislý na jazyku. Základ metody je v češtině seznam možných koncovek a jejich odstraňování.

Problémy

Při stemmingu hrozí, že podobná slova budou zkrácená na stejný základ, např. led/ledem a leda.

Pokud nastává změna při ohýbání v kořeni, tak jednoduchý stemmer, který jenom zkracuje koncovky, neurčí kořen správně.

Pokud vlastní kmen končí na morfologickou koncovku, tak jednoduchý algoritmus může nesprávně utrhnout tuto koncovku a vrátit nesprávný "kratší" kmen.

Pahýl

Tento článek je příliš stručný nebo postrádá důležité informace.
Pomozte Wikipedii tím, že jej vhodně rozšíříte. Nevkládejte však bez oprávnění cizí texty.

@@ Řádek 1: / Řádek 1: @@
-'''Stemming''', česky ''vytvoření základního tvaru'', je operace, která pro vyskloňované nebo časované slovo (případně odvozené), vrátí kořen slova. Algoritmus se nazývá [[stemmer]]. Tato operace se používá ve vyhledávačích a dovoluje vyhledávat bez ohledu na konkrétní tvar. Podobnou operaci [[lematizace]] provádí [[lemmatizátor]] - tato operace vrací základní tvar slova (tj. [[Lemma (lingvistika)|lemma]]) místo kořene.
+'''Stemming''', česky ''vytvoření základního tvaru'', je operace, která pro vyskloňované nebo časované slovo (případně odvozené), vrátí kořen slova. Algoritmus se nazývá [[stemmer]]. Tato operace se používá ve vyhledávačích a dovoluje vyhledávat bez ohledu na konkrétní tvar. Podobnou operaci [[lematizace]] provádí [[lemmatizátor]] - tato operace vrací základní tvar slova (tj. [[Lemma (lingvistika)|lemma]]) místo [[kmen (mluvnice)|kmene]].
 Při stemmingu se odstraní [[morfologie|morfologické]] koncovky a případně předpony, např. ''ne-''. Aby vyhledávání fungovalo správně, musí se zpracovat nejen slova v dokumentech, ale stejným způsobem i slova v [[dotaz]]u.
-Stemming je závislý na jazyku. Základ metody je seznam možných koncovek a jejich odstraňování.
+Stemming je závislý na jazyku. Základ metody je v češtině seznam možných koncovek a jejich odstraňování.
 == Problémy ==