Prostudujte problematiku automatického rozpoznávání jazyka na úrovni odstavců, vět a jednotlivých tokenů z pohledu problematiky mezijazykových homograf. Popište problematiku homonymie a homografie. Diskutujte různé případy míchání jazyků (language mixing) v jednom vstupu: profesní slang (výpujčky), internetový jazyk (internet language), jazyk národnostně smíšených komunit (země s více úředními jazyky).
Vytvořte aplikaci, která bude klasifikovat části textu do jednotlivých jazyků, množinu možných jazyků vhodně ohraničte. Pozornost věnujte zejména rozpoznání mezijazykových homograf. Aplikace by měla pracovat jak se seznamy předem nalezených homograf, tak s kontextem, délku kontextu a váhy pro klasifikaci vhodně nastavte. Navrhněte a implementujte webové demo, které bude pro kratší vstupy demonstrovat funkčnost klasifikace. Do webového dema přidejte možnost parametrizace rozpoznávání.
Součástí práce bude vyhodnocení aplikace oproti sadě ručně označených dat, případně porovnání s jinými přístupy.