Исследователи Южно-Уральского госуниверситета запатентовали программный продукт LanaKey. Инструмент предназначен для автоматического извлечения грамматически корректных лексических групп (именных, глагольных и т.д.) и ключевых слов (длиной от одного до четырех компонентов) из текстов любых жанров на различных языках.
Ключевые слова или фразы вычисляются на основе ранжирования извлеченных лексем по релевантности (соответствию запросу пользователя), с опорой на обозначенные параметры. Кроме того, LanaKey может работать в двух режимах. Первый – полностью автоматический: программа сама обрабатывает документы и выдает ключевые слова, не отвлекая пользователя. Второй режим – для специалистов: можно вручную настраивать инструмент под конкретный язык, область знаний или тип текста, а также уточнять, какие именно слова и словосочетания считать ключевыми.
Основной разработчик LanaKey профессор кафедры лингвистики и перевода ЮУрГУ Светлана Шереметьева поясняет, что программа относится к гибридным экстракторам – она сочетает статистические методы обработки текста с мелкими лингвистическими знаниями.
«В отличие от многих экстракторов, которые часто выдают только основы лексем и/или корректно извлекают только высокочастотные единицы, не учитывают тип лексической группы и, при этом, требуют больших корпусов текстов, LanaKey преодолевает эти ограничения, – рассказала Светлана Шереметьева. – Уникальные преимущества нашего экстрактора состоят в том, что программа не требует предварительно построенного корпуса текстов, а может обрабатывать как корпус, так и отдельный документ, обеспечивает корректное извлечение не только высокочастотных, но и низкочастотных грамматически корректных лексических групп из текстов любой длины (в том числе и коротких). При этом программа легко адаптируется под разные языки и предметные области через интерактивный интерфейс, который дает пользователю доступ к закладкам интерфейса с промежуточными результатами обработки текста. Это позволяет использовать приложение, кроме основного назначения, в научных лингво-информационных исследованиях».
Запатентованная программа LanaKey пригодится для решения широкого спектра задач обработки текста: когнитивного моделирования, многоязычного индексирования, информационного поиска, разработки онтологий, лексиконов, и т.д., а также для автоматизации лингвистических исследований и в преподавании лингво-информационных дисциплин.