Dotaz: lemma a stop words pro česky jazyk

[Pupík]

Čau ve spolek, poradí mi někdo fungující řešení pro extrakci lemma (spokojím se i s stemma) výrazů z českých textů? Ideálně pro Python nebo Bash. Díky, Pupík

Odpovědi

[Jendа]

https://github.com/ufal/morphodita, starší verze byla potřeba patchovat, pro češtinu bohužel vyžaduje non-free model. O ničem free nevím.

[Pupik]

Díky. Morphodita vypadá, z toho co jsem našel na netu, použitelně. Non-free modely najdu kde? Klidně i ofiko koupím... Pupík

[Jendа]

Non-free modely najdu kde?

Jsou odkazované třeba na té mé stránce. Odkaz.

Klidně i ofiko koupím...

Myslím, že to neprodávají (nesmějí prodávat, protože licence toho korpusu na kterém to trénovali), pouze poskytují jako službu. Možná by to šlo ohackovat tak, že si u nich necháš zlematizovat vlastní korpus a na něm natrénuješ vlastní model [tento nápad není z mé hlavy].