Разработка корпусного менеджера с функцией тематизатора для анализа текстов на русском языке

О проекте

Исследование нацелено на разработку корпусного менеджера ЛеСеАн – лексико-семантического анализатора – программного обеспечения, способного определять тематику пользовательского корпуса текстов на основе их языковых данных.

Разрабатываемое программное обеспечение является уникальным в ряду современного лингвистического ПО. При его разработке был учтён опыт создания зарубежных корпусных менеджеров, среди которых Sketch Engine, Orange, IRaMuTeQ, Voyant-tools, AntConc. Названные программы автоматизированного анализа текста ориентированы прежде всего на работу с европейскими языками, в то время как ЛеСеАн создаётся с учётом структурных особенностей русского языка. Это позволяет свести к минимуму ошибочные результаты автоматизированного анализа текста на русском языке с помощью ЛеСеАн.

Программа поддерживается наиболее популярными операционными системами, как Microsoft Windows, Apple MacOS, Linux.

• Языком разработки ЛеСеАн является Java. Все дистрибутивы программы включают виртуальную машину Java – специальный компонент, который обеспечивает кроссплатформенность ПО, то есть возможность запуска ЛеСеАн на Windows, Linux и Mac.
• Кроссплатформенность графического интерфейса ЛеСеАн обеспечивает JavaFX, инструментарий которого обеспечивает универсальность отображения программы на устройствах с разными операционными системами.
• В разработке используются дополнительные библиотеки и сервисные компоненты, например, программы установки. В MS Windows используется программа установки Inno Setup, которая позволяет автоматизировать установку.
• Для вычислений и обработки материалов используется несколько библиотек. Чтение документов в формате doc. осуществляется благодаря библиотеке Apache POI.
• Лингвистическая часть ЛеСеАн обрабатывается библиотекой MyStem от Яндекса. MyStem – это известный лемматизатор для русского языка, который может быть интегрирован в разработку нового ПО. MyStem широко используется в научно-исследовательских проектах, где требуется автоматизация обработки текстовых данных на русском языке.

Сроки реализации проекта

2023-2026 гг.

Поддержка проекта

Проект реализуется при поддержке РУДН в рамках темы НИР № 056123-0-000 «Разработка корпусного менеджера с функцией тематизатора для анализа текстов на русском языке».

Партнёры

• Национальный исследовательский Томский государственный университет — техническая разработка программного обеспечения (сайт)
• Московское академическое художественное училище — разработка дизайна пользовательского интерфейса (сайт)