Lexical Computing je brněnská firma stojící za Sketch Engine — jedním z nejpoužívanějších a nejrespektovanějších korpusových nástrojů na světě. Sketch Engine využívají tisíce lingvistů, lexikografů, překladatelů, jazykových učitelů a NLP výzkumníků na univerzitách, v nakladatelstvích a výzkumných institucích po celém světě.

Jazykový korpus je rozsáhlá, strukturovaná sbírka textů, která slouží jako empirický základ pro studium jazyka. Sketch Engine zpřístupňuje korpusy o miliardách slov a poskytuje sofistikované analytické nástroje pro pochopení, jak se jazyk skutečně používá — na rozdíl od toho, jak si myslíme, že se používá.

Hlavní funkce

Sketch Engine — komplexní korpusový manažer a analytický nástroj s přístupem ke stovkám připravených korpusů ve více než 90 jazycích
Word Sketch — unikátní funkce, která automaticky generuje přehled gramatického a kolokačního chování libovolného slova (s čím se pojí, jak se skloňuje, v jakém kontextu se používá)
Thesaurus — automaticky generovaný seznam synonym a podobných slov na základě distribučního chování v korpusu
Konkordance — vyhledávání slov a frází v kontextu s pokročilým filtrováním pomocí CQL (Corpus Query Language)
Tvorba vlastních korpusů — možnost nahrát vlastní texty a vytvořit specializovaný korpus pro doménový výzkum
Terminologická extrakce — automatické identifikování odborných termínů a kandidátů pro zařazení do terminologických databází
API pro NLP výzkum — programatický přístup ke korpusovým datům a analytickým funkcím

Pro koho je to

Sketch Engine využívají univerzitní lingvisté (výzkum jazyka a jazykových změn), lexikografové (tvorba slovníků na empirickém základě), překladatelé (ověřování kolokací a terminologie v cílovém jazyce), jazykoví učitelé (materiály založené na reálném jazyce) a NLP výzkumníci (trénovací data a validace jazykových modelů).

Technologie

Sketch Engine je postaven na vlastním indexačním a vyhledávacím enginu optimalizovaném pro práci s textovými korpusy o miliardách tokenů. Systém zahrnuje pokročilou morfologickou analýzu, part-of-speech tagging, lemmatizaci a syntaktickou anotaci pro desítky jazyků. Platforma běží jako SaaS aplikace s přístupem přes webový prohlížeč a REST API.