WordTabulator

Maelezo

WordTabulator imekusudiwa kwa uchanganuzi wa maandishi. Kwa msaada wa wordTabulator unaweza kutoa fahirisi ya vipengele vya maneno vilivyotolewa kutoka kwa seti ya maandishi iliyofafanuliwa. Vipengele vya neno vinaweza kuwa maneno, N-gramu (za ukubwa uliofafanuliwa) au misemo (syntagmes). Programu inaweza kuchakata maandishi kama katika usimbaji wa kawaida wa baiti 2 (ANSI), kama ilivyo katika usimbaji wa multibyte UTF-8. Maandishi chanzo hufafanuliwa kama seti ya faili za maandishi bapa au hati za HTML/XML/SGML. Katika kesi ya mwisho programu inaweza kuchuja yaliyomo kutoka kwa alama. Zaidi ya hayo, unaweza kuchakata maudhui yaliyofafanuliwa pekee ndani ya lebo zilizooanishwa zilizochaguliwa. Au unaweza kuruka maudhui hayo kutoka kwa kuchakatwa. Inajumuisha moduli ya mofolojia ya Kirusi, miundo mitatu tofauti ya faharasa ya pato, aina tatu tofauti za vipengele vya maneno (maneno, N-Grams na misemo), kivinjari cha muktadha, na mpangilio wa kweli wa alfabeti.