Pragmatic lemmatizer of Czech language
| Thesis title: | Pragmatický lematizátor českých slov |
|---|---|
| Author: | Vacek, Matěj |
| Thesis type: | Diplomová práce |
| Supervisor: | Strossa, Petr |
| Opponents: | Kliegr, Tomáš |
| Thesis language: | Česky |
| Abstract: | Tato práce se zabývá lemmatizací podstatných a přídavných jmen na základě morfologie českého jazyka. Cílem práce je vytvořit lemmatizátor, který bude lemmatizovat slova s úspěšností alespoň 90%. Zároveň by měl být lemmatizátor co nejjednodušší, tj. měl by mít co nejméně pravidel. Lemmatizátor bude vytvářen pro oblast realitních inzerátů na prodej domů. V práci budou analyzovány specifika této oblasti a lemmatizátor bude přizpůsoben této oblasti, tak aby při lemmatizaci vytvářel co nejlepší výsledky. Lemmatizátor byl vytvořen v jazyce Java. Bylo použito velmi málo pravidel (pouze tři typy) a celkově byl lemmatizátor úspěšný v 96,4% případech. |
| Keywords: | realitní inzeráty; morfologie; český jazyk; lemma |
| Thesis title: | Pragmatic lemmatizer of Czech language |
|---|---|
| Author: | Vacek, Matěj |
| Thesis type: | Diploma thesis |
| Supervisor: | Strossa, Petr |
| Opponents: | Kliegr, Tomáš |
| Thesis language: | Česky |
| Abstract: | This thesis is focused on lemmatizing of nouns and adjectives. It is based on morphology of Czech language. The goal is to create a lemmatizer which can stem words with success rate 90% (at least). At the same time the lemmatizer should be very easy, it should consist as little rules as possible. Lemmatizer will be created to work with real estate adverts, especially houses for sale. In this thesis there will be made an analysis of specific characters of this area. Lemmatizer will be created according to results of this analysis. Lemmatizer was written in Java. Only three types of rules were used and generally the lemmatizer created correct stems in 96.4% of all words. |
| Keywords: | real estate advert; lemma; morphology; Czech language |
Information about study
| Study programme: | Aplikovaná informatika/Podniková informatika |
|---|---|
| Type of study programme: | Magisterský studijní program |
| Assigned degree: | Ing. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information and Knowledge Engineering |
Information on submission and defense
| Date of assignment: | 13. 2. 2014 |
|---|---|
| Date of submission: | 1. 12. 2014 |
| Date of defense: | 4. 2. 2015 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/46407/podrobnosti |