Утилита для очистки текстов от обсценной лексики (проект) — различия между версиями
(Новая страница, с помощью формы Новый_проект) |
(→Чему вы научитесь?) |
||
Строка 17: | Строка 17: | ||
=== Чему вы научитесь? === | === Чему вы научитесь? === | ||
− | + | # Освоение ключевых понятий компьютерной лингвистки. | |
− | + | # Методы анализа и обработки текстов. | |
=== Какие начальные требования? === | === Какие начальные требования? === |
Версия 17:22, 3 декабря 2014
Ментор | Шестаков Андрей |
Учебный семестр | Весна 2015 |
Учебный курс | 1-й курс |
Что это за проект?
SketchEngine - это сервис обработки текстовых корпусов, который показывает наиболее типичные перепредставленные и недопредставленные пары слов, синтаксически связанных в предложении. Для того, чтобы сервис выдавал осмысленные и приемлемые результаты к исходному корпусу языка предъявляется ряд требований.
В частности, для того, чтобы результаты данного сервиса приносили пользу лицам младше 18 лет, тексты корпуса должны быть отчищены от обсценной лексики.
В рамках данного проекта предлагается разработать программу, позволяющую анализировать тексты на предмет наличия в ней мата и другой нецензурной лекции с последующей очисткой.
Чему вы научитесь?
- Освоение ключевых понятий компьютерной лингвистки.
- Методы анализа и обработки текстов.
Какие начальные требования?
- Знание python
- Умение работать с *nix (желательно)
Проект не подразумевает разработку графической оболочки.
Какие будут использоваться технологии?
- python.
- git, github
Темы вводных занятий
Направления развития
Реализованный прототип может быть использован как компонент вышеуказанного web-сервиса.
Критерии оценки
4-5: очистка по словарю и индексирование 6-7: + использованием лемматизации 8-10: + разработка экспериментальной площадки для оценки точности-полноты работы на произвольном тексте