WordTabulator er beregnet til tekst analyse. Med hjælp fra wordTabulator kan du generere indeks ordbestanddele udvundet defineret tekst sæt. Word elementer kan være ord, N-gram (med defineret størrelse) eller sætninger (syntagmes). Programmet kan behandle tekster som i almindelige 2-byte kodning (ANSI), som i multibyte UTF-8-kodning. Kildetekster defineres som et sæt af flade tekstfiler eller HTML / XML / SGML-dokumenter. I det sidste tilfælde kan programmet filtrere indhold fra markup. Desuden kan du behandle kun defineret indhold inden for udvalgte parrede tags. Eller du kan springe, at indhold fra forarbejdning. Det omfatter morfologi modul til russisk, tre forskellige formater af output indeks, tre forskellige ordbestanddele (ord, N-gram og sætninger), browser af kontekst og ægte alfabetisk rækkefølge.
Kommentarer ikke fundet