Xml τεχνολογίες και εφαρμογή τους στην επεξεργασία της νεοελληνικής κοινής. σχεδιασμός κατασκευή και τεκμηρίωση ενός στελεχωτή stemmer για την ελληνική κοινή φυσική γλώσσα

Abstract

Περιγραφή των κύριων μερών του λόγου της νεοελληνικής κοινής φυσικής γλώσσας. Μελέτη και συλλογή των άκλιτων λέξεων της νεοελληνικής, με παράλληλη υλοποίηση του αποκλεισμού τους από τον στελεχωτή ( stemmer ). Μελέτη και ομαδοποίηση των ποικίλων οικογενειών λέξεων της νεοελληνικής με βάση τις καταλήξεις τους. Yιαμόρφωση κανόνων κατάταξης που στηρίζεται στην προηγούμενη ανάλυση. Κωδικοποίηση των κανόνων σε μια πρώτη μορφή αυτοδιορθωνόμενου και αυτοσυμπληρονόμενου (ημιαυτόματα με την έννοια του αυτόματου εντοπισμού λαθών ή / και παραλήψεων και χειρονακτική ενσωμάτωση τους σε νέες, κάθε φορά αρτιότερες, εκδόσεις στελεχωτή). Βοηθητικά έχει δημιουργηθεί ένα ογκώδες, αν και ανεπεξέργαστο, corpus (σώμα) ελληνικών κειμένων και ένας στοιχειώδεις tokenizer (κερματιστής).