Алгоритм лемматизации?

Question

[skim1776]

Есть ли алгоритм лемматизации (пусть упрощенный и неточный) для русского языка или библиотека для JVM?

Answer 1

[becks]

Если вас стемминг не устроит и нужно более точно, посмотрите на АОТ (aot.ru) там есть уже реализованные алгоритмы лемматизации, открытые коды и описана теория.

Answer 2

[MrMig]

Возможно, вас устроит анализатор русской морфологии для Lucene: code.google.com/p/russianmorphology/
Сам Lucene не требуется.

//опустим шаблонный код

private LuceneMorphology luceneMorphRus;
private String str = "Красивая"; 

// это лучше обернуть в синглтон, операция дорогая!
luceneMorphRus = ResourceLoader.getLuceneRussianMorphology();
List<String> wordInfo = luceneMorphR.getMorphInfo(str);

//анализируем wordInfo

Answer 3

[becks]

Так как бы стеммер Портера.

Вот пример на джавке:

www.algorithmist.ru/2010/12/porter-stemmer-russian.html

Comments

[skim1776]

это стеммер, а мне лемматизатор нужен, который не просто обрубает концы, а приводит к нормальной форме

[becks]

> (пусть упрощенный и неточный)
Подумал, если точность не самый критичный параметр, то и стеммер сгодится. Тогда мой совет ниже.