Majka – rychlý morfologický analyzátor

ŠMERK, Pavel a Pavel RYCHLÝ. Majka – rychlý morfologický analyzátor. 2009.

Základní údaje

• Originální název: Majka – rychlý morfologický analyzátor
• Název anglicky: Majka - fast morphological analyzer
• Autoři: ŠMERK, Pavel (203 Česká republika, garant, domácí) a Pavel RYCHLÝ (203 Česká republika, domácí).
• Vydání: 2009.

Další údaje

• Originální jazyk: čeština
• Typ výsledku: Poloprovoz, ověřená technologie, odrůda, plemeno
• Obor: 60200 6.2 Languages and Literature
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Kód RIV: RIV/00216224:14330/09:00047873
• Organizační jednotka: Fakulta informatiky
• Klíčová slova česky: morfologie; gramatické značky; lemmatizace; značkování
• Klíčová slova anglicky: morphology; annotation; Czech; lemmatization; grammatical tags
• Technické parametry: rychlý morfologický analyzátor, smlouva se Seznam.cz (IČ 26168685) ze dne 30.11.2009

Anotace

Majka je rychlý morfologický analyzátor ve formě knihovny a řádkového programu. Systém Majka navazuje na předchozí systém pro morfologickou analýzu Ajka, se kterým dává zhruba stejné výsledky. Majka je ale zcela nová implementace kompletně založená na konečných automatech, proto je také mnohonásobně rychlejší a flexibilnější. V základní podobě systém k zadanému slovnímu tvaru přiřadí: základní tvar a gramatickou značku, všechna slova patřící ke stejnému lemmatu, všechna možná slova s diakritikou.

Anotace anglicky

Majka is a fast tool which assigns a lemma (basic form) and all possible grammatical tags to each word form on the input. It can be used also for word forms generation or diacritics restoration. Majka is available in the form of a command line tool for batch processing of text files or as a library in the form of calling functions in the C language. Although Majka builds on the previous system for morphological analysis Ajka, which gives roughly the same results, it is an entirely new and independent implementation completely based on finite automata and it is also much faster and more flexible than the previous system.

Návaznosti

• LC536, projekt VaV: Název: Centrum komputační lingvistiky

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum komputační lingvistiky

• 2C06009, projekt VaV: Název: Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce (Akronym: COT-SEWing)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce