Tekstkategorisering

Casestudie

En kategorisering af 250 parallelle tekster (fra European Medical Agency - EMA) på 20 europæiske sprog blev udført. De resulterende grafer (træer) viser ligheder i deres struktur.

GENEREL INFORMATION

Den generelle opgave for tekstkategoriseringsappen er at kategorisere forskellige dokumenter på ethvert sprog. Der blev lagt stor vægt på følgende funktioner: Høj modularitet. Høj ydeevne. Understøttelse af parallel behandling. Modulariteten af kildekoden giver brugeren mulighed for at ændre adfærden af alle proceduremæssige trin. Hele applikationen kan udvides med simple plugins. Mulige anvendelsesområder: sprogidentifikation, korpussortering, retssproglig lingvistik og andre.

TEKNISK BESKRIVELSE

Kategoriseringsprocessen består af flere trin: Udtrækning af tekst fra alle givne dokumenter. Filtrering af uønskede dokumenter i henhold til givne kriterier (fuldstændig modulær). Beregning af en vektor for ethvert dokument (fuldstændig modulær). Beregning af afstandene (fuldstændig modulær). Hierarkisk agglomerativ klyngedannelse. Den endelige metode er afhængig af det anvendte modul. Visualisering af et binært træ, der repræsenterer relationer mellem teksterne (dendrogram).

VEKTORER & AFSTANDSBEREGNING

Vektor: en liste over værdier, der karakteriserer forskelle mellem tekster. Eksempel på 4-elements vektor:

1. frekvenser af ordforekomster
2. gennemsnitligt ordantal i sætning
3. gennemsnitlig ordlængde
4. type-token-forhold
Dette kræver 4 simple plugins, der hver beregner en af vektorerne. Hver vektor kan have forskellig vægt i beregningen af afstanden. Klyngedannelsen starter efter måling af afstande.

Køb PMSE

email: sales@petamem.com
phone: +49 911 894 6455
fax: +420 284 680 110

Licensomkostninger

Nu kommer den gode del. PMSE er et kommercielt produkt til den akademiske sektor, og PetaMem ønsker at tilbyde dig en "alt inklusiv, ingen besvær, ingen bekymringer"-pakke. Vi ønsker også, at denne softwarepakke skal være overkommelig for alle. Der er to enkle licensmodeller: Per bruger per arbejdsstation, som koster 49,- EUR om måneden, eller afdelingsomfattende, som koster 499,- EUR om måneden uden begrænsninger på antal brugere eller arbejdsstationer (inkl. studerende). Alle priser er + 19% moms, som ikke gælder, hvis du er uden for Tyskland og har et moms-id.

Licensbetingelser

Vi lover "ingen besvær, ingen bekymringer"-licenser. Med licensomkostningerne får du ikke kun retten til at bruge softwaren, men også gratis softwareopdateringer og gratis support. Eventuelle licensopgraderinger/nedgraderinger er intuitive og gør-hvad-jeg-mener. Du havde fem enkeltlicenser og vil gerne have en afdelingslicens eller omvendt? Intet problem! Bare informer os via e-mail, og vi justerer licensbetingelserne samme arbejdsdag.

Det bliver bedre: vores virksomhed er forpligtet til open source, og når man er afhængig af kommerciel software, er der kun få ting, vi vil undgå mere end en leverandørlåsning. Du har måske lignende bekymringer, når du er afhængig af et kommercielt produkt, og vi forstår det fuldt ud. Skulle du beslutte dig for at afslutte licensabonnementet på PMSE - ja - så beholder du PMSE og har lov til at blive ved med at bruge det. Du mister de gratis opdateringer og gratis support, men du kan blive ved med at bruge softwaren. Gratis.

Skulle du have yderligere spørgsmål vedrørende licenser eller vil du gerne bestille produktet, så tøv ikke med at kontakte sales@petamem.com.

Skulle du have yderligere detaljerede tekniske spørgsmål, bedes du kontakte support@petamem.com

luk

PetaMem Scripting Environment (PMSE)

TEKNISK SPECIFIKATION