Software Framework for Scalable Topic Modelling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F10%3A00051934" target="_blank" >RIV/00216224:14330/10:00051934 - isvavai.cz</a>

Výsledek na webu

<a href="http://nlp.fi.muni.cz/projekty/eudml/gensim/" target="_blank" >http://nlp.fi.muni.cz/projekty/eudml/gensim/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Software Framework for Scalable Topic Modelling

Popis výsledku v původním jazyce

Semantic-based text processing is a must in today's large-scale digital libraries and in web-scale search as Google does. Gensim implements semantic similarity computation of documents irrespectively of the size of text corpora -- it is unique because itworks "on-line", e.g. new documents can be fed to it without recomputation of the whole similarity matrix, which opens new horizons of its usage. Gensim is award-winning robust scalable software framework for topic modelling and similarity in text documents. It is used in the production of DML-CZ, EuDML, LarKC projects and has been also used for teaching at several universities. Awarded by Scopus awards - Česká naděje: http://suweco.cz:8080/awards/oceneny.aspx?idrok=2011 . Theoretical basis for software implementation has been published in several peer reviewed publications as: [1] Řehůřek, R.; Sojka, P. Software Framework for Topic Modelling with Large Corpora. In Proc. of LREC 2010 workshop New Challenges for NLP Frameworks.

Název v anglickém jazyce

Software Framework for Scalable Topic Modelling

Popis výsledku anglicky

Semantic-based text processing is a must in today's large-scale digital libraries and in web-scale search as Google does. Gensim implements semantic similarity computation of documents irrespectively of the size of text corpora -- it is unique because itworks "on-line", e.g. new documents can be fed to it without recomputation of the whole similarity matrix, which opens new horizons of its usage. Gensim is award-winning robust scalable software framework for topic modelling and similarity in text documents. It is used in the production of DML-CZ, EuDML, LarKC projects and has been also used for teaching at several universities. Awarded by Scopus awards - Česká naděje: http://suweco.cz:8080/awards/oceneny.aspx?idrok=2011 . Theoretical basis for software implementation has been published in several peer reviewed publications as: [1] Řehůřek, R.; Sojka, P. Software Framework for Topic Modelling with Large Corpora. In Proc. of LREC 2010 workshop New Challenges for NLP Frameworks.

Druh

R - Software

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/LA09016" target="_blank" >LA09016: Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

gensim

Technické parametry

Petr Sojka, FI MU Brno, Botanická 68a, 60200 Brno, CZ, tel. +420549496966

Ekonomické parametry

Open-source licence (bez poplatků); výrazně urychluje lokalizaci podobných publikací v digitálních knihovnách na základě _sémantické_ podobnosti a tím šetří člověkoroky práce. Použito již v cca desítce projektů jako DML-CZ, NUMDAM, LarKC, EuDML,...

IČO vlastníka výsledku

00216224

Název vlastníka

Masarykova univerzita