30 Jun Automatski označivač vrsta riječi (POS) i morfosintaktičkih oznaka (MSD) za hrvatski i srpski [stari]

Ovde je opi­sa­na sta­ra ver­zi­ja ala­ta čija je novi­ja i una­pre­đe­na vari­jan­ta tre­nut­no dostup­na u okvi­ru NLP pake­ta, ali ne i u obli­ku veb ser­vi­sa.

Alat za auto­mat­sko ozna­ča­va­nje na razi­ni mor­fo­sin­tak­se. Ima moguć­nost ozna­ča­va­nja hrvat­skog i srp­skog jezi­ka, budu­ći da sadr­ži mode­le za oba jezi­ka.
Ozna­či­vač se teme­lji na algo­rit­mu CRF (eng. con­di­ti­o­nal ran­dom forest) koji je tre­ni­ran na ruč­no ozna­če­nom kor­pu­su hrvat­skog jezi­ka veli­či­ne 500.000 pojav­ni­ca u kom­bi­na­ci­ji sa hrLex/srLex lek­si­ko­ni­ma za sva­ki od jezi­ka.

Skup mor­fo­sin­tak­tič­kih ozna­ka kori­šte­nih u kor­pu­su u skla­du je sa smjer­ni­ca­ma revi­di­ra­nog MUL­TE­XT-East V5 sku­pa ozna­ka za hrvat­ski i srp­ski, a dostu­pan je ovdje.

• Hrvat­ski: 92.53%
• Srp­ski: 92.33%