Sprog

Navnegenkenderen og navneordsfrasegenkenderen (NP-genkender) understøtter kun dansk. Alle øvrige værktøjer understøtter alle sprog i listen.

Flere optioner

Du kan vælge flere optioner til fx lemmatiseren.

Færre optioner

For at skabe bedre overblik kan du få vist færre optioner - kun de mest anvendte.

Bonuskode

Bonuskoden giver mulighed for at analysere større tekstmængder.
Få en aftale med os hvis du er interesseret.

Henvendelse til bartj@hum.ku.dk eller til hannef@hum.ku.dk.

Demotekst

Demoteksten bestemmes på basis af de værktøjer du vælger. Fx bruges "Traktaten om en forfatning for Europa" til gentagelsestjekkeren og "Dansk er et mærkeligt sprog" til lemmatiseren. (Forudsat at du har valgt dansk som sprog.)

Tokeniser

Adskiller enhederne (tokens) i teksten fra hinanden. Fx
  Ups, → Ups ,

Nogle flerordsudtryk bindes derimod sammen til enheder. Fx
  for længst → for_længst

Programmet deler desuden teksten op i sætninger.

Navnegenkender

Finder og markerer navne og datoer i teksten.

POS-tagger

(Part-Of-Speech Tagger)

Bestemmer ordklasse og morfologiske træk for alle tokens i teksten.

Lemmatiser

Danner grundformen af et givet ord.
Fx 'gik' → 'gå', 'husets' → 'hus'.

I demoen står valget mellem løbende tekst (med eller uden ordenes bøjede form) eller en alfabetisk liste (alle bøjede former pr. lemma eller omvendt).

Orddeler

Deler et sammensat ord i dets orddele.

NP-genkender

(eller navneordsfrasegenkender)

Samler leddene i et NP, et substantivsyntagme, til en enhed.

Gentagelsestjekker

Bruger en probabilistisk model til at finde og vægte gentagne sekvenser af ord (egentlig: tokens) i teksten.

Teksten skal have mindst to sætninger.

N-gramfrekevnser

Tæller alle forekomster af alle unigrammer (=ord), bigrammer og trigrammer i teksten.

Keywords

Finder keywordkandidater i en tekst.

Flerordstermer

Finder keywordkandidater i en tekst.

Flerordstermer

Finder keywordkandidater i en tekst.

Find termkandidater i en tekstmængde.

Teksterne tokeniseres, evt. navnegenkendes, POS-tagges og lemmatiseres. Lemmaerne udskrives som en liste. Det markeres om ordene findes i ordbogen. Nu kan fx substantiver der er markeret med '-' udtrækkes.

Kandidater til flerordstermer kan søges med gentagelsestjekkeren.

Find de indholdstunge elementer i en tekst.

Teksten tokeniseres, evt. navnegenkendes, POS-tagges og markeres for navneordsfraser.

Anonymiser en tekst

Teksten tokeniseres og navnegenkendes.

Personnavnene, som nu er markeret med "*PERSONNAMEX"
(fx "Ole=P.=Dam*PERSONNAMEX"), kan nu erstattes med fx "XXX".