N&SDiT - Detektor křestních jmen a příjmení v textu

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F11%3A43898601" target="_blank" >RIV/49777513:23520/11:43898601 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

N&SDiT - Detektor křestních jmen a příjmení v textu

Popis výsledku v původním jazyce

Softwarový nástroj umožňuje automaticky lokalizovat a označit v běžném textu křestní jména a příjmení osob mužského a ženského pohlaví. Jména a příjmení jsou nalezena a označena v plném znění, tedy včetně titulů a hodností před jménem a za jménem, v jakémkoliv tvaru, přičemž je zjištěn a označen i gramatický pád, ve kterém jsou jména a příjmení uvedena, podle jejich gramatického tvaru. V případě nejednoznačnosti gramatického pádu na základě stejných gramatických tvarů je pomocí heuristického přístupu provedeno upřesnění identifikací z širšího slovního kontextu, ve kterém se jména a příjmení nachází. Odlišena jsou jména a příjmení v názvech ulic, jména svatých apod. Využit je expertní přístup, který na základě 56712 pravidel umožňuje najít velkou většinu cílových výrazů. Softwarový nástroj je napsán v jazyce Python, přičemž umožňuje aplikaci pravidel ve specifickém pořadí na jakýkoliv text v elektronické formě. Softwarový nástroj je možno využít při zpracování textů pro tvorbu třídových

Název v anglickém jazyce

N&SDiT - Names and Surnames Detector in Text

Popis výsledku anglicky

Software tool automatically locates and tags male and female names and surnames in a common text. The names are located and tagged in any form including academic degrees, in addition a grammatical case based on grammatical form of the name is determinedand marked. In the case of grammatical case ambiguity under the same grammatical forms an identification using heuristic approach is done based on broader word context of the located name. An expert approach based on 56 712 rules allows to find the vastmajority of target phrases. Software tool is written in Python and allows an application of rules in specific order on any text in electronic form. Software tool can be used in a text processing during creation of statistical class-based language modelsor for text preprocessing during POS tagging.

Druh

R - Software

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2011

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

N&SDiT

Technické parametry

Software je výsledkem smluvního výzkumu, Smlouva o dílo mezi Západočeskou univerzitou v Plzni a SpeechTech, s.r.o. byla podepsána dne 31.10.2011. Bližší informace k technickým parametrům SW podá Aleš Pražák, aprazak@kky.zcu.cz, tel.: 377632573, dále téžhttp://www.kky.zcu.cz/cs/sw/NSDiT. Informace k licenční politice podá Jiří Zahradil, jiri.zahradil@speechtech.cz.

Ekonomické parametry

Automatická lokalizace a označování křestních jmen a příjmení osob mužského a ženského pohlaví (včetně jejich gramatického pádu) v běžném textu jako náhrada manuální editace textu. Softwarový nástroj je možno využít při zpracování textů pro tvorbu třídových statistických jazykových modelů nebo pro předzpracování textů při POS taggingu.

IČO vlastníka výsledku

25247930

Název vlastníka

SpeechTech, s.r.o, Hodonínská 61, Plzeň a Katedra kybernetiky ZČU v Plzni