INDiT - Detektor názvů institucí v textu

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F12%3A43918000" target="_blank" >RIV/49777513:23520/12:43918000 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.kky.zcu.cz/cs/sw/INDiT" target="_blank" >http://www.kky.zcu.cz/cs/sw/INDiT</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

INDiT - Detektor názvů institucí v textu

Popis výsledku v původním jazyce

Softwarový nástroj umožňuje automaticky lokalizovat a označit v běžném textu názvy státních institucí České republiky. Názvy institucí jsou nalezeny a označeny v plném znění v jakémkoliv tvaru, přičemž je zjištěn a označen i gramatický pád, ve kterém jenázev uveden, podle gramatického tvaru názvu. Názvy institucí uvedené zkratkou jsou automaticky rozvedeny do plného znění ve správném gramatickém 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 název nachází. Využit je expertní přístup, který na základě 663 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 statistických jazykových modelů nebo pro předzpracování textů

Název v anglickém jazyce

INDiT - Institution Names Detector in Text

Popis výsledku anglicky

Software tool automatically locates and tags the names of national institutions of the Czech Republic in a common text. The names of institutions are located and tagged in any form, in addition a grammatical case based on grammatical form of the name isdetermined and 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 663 rules allows to find the vast majority 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 languagemodels or 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

2012

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

INDiT

Technické parametry

Software je výsledkem smluvního výzkumu, Smlouva o dílo mezi Západočeskou univerzitou v Plzni a SpeechTech, s.r.o. byla podepsána dne 15.10.2012. Bližší informace k technickým parametrům SW podá Aleš Pražák, aprazak@kky.zcu.cz, tel.: 377632573, dále téžhttp://www.kky.zcu.cz/cs/sw/INDiT. Informace k licenční politice podá Jiří Zahradil, jiri.zahradil@speechtech.cz.

Ekonomické parametry

Automatická lokalizace a označování názvů státních institucí České republiky (včetně jejich gramatického pádu) v běžném textu jako náhrada manuální editace textu. Softwarový nástroj je možno využít při zpracování textů pro tvorbu třídových statistickýchjazykových modelů nebo pro předzpracování textů při POS taggingu. Software je výsledkem smluvního výzkumu, Smlouva o dílo mezi Západočeskou univerzitou v Plzni a SpeechTech, s.r.o. byla podepsána dne 15.10.2012

IČO vlastníka výsledku

25247930

Název vlastníka

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