Englischer Lemmatisierer und Porter-Stemmer

Der englische Lemmatizer & Porter Stemmer ist ein kostenloses Online-Tool, das englische Wörter mit dem Porter-Stemmer-Algorithmus oder einem regelbasierten Lemmatizer auf ihre Grundform zurückführt. Vergleiche beide direkt nebeneinander. Es läuft vollständig in deinem Browser, ohne Installation oder Anmeldung.

Beim Stemming werden Wortendungen heuristisch abgeschnitten (running->run, studies->studi) – die Wortstämme sind nicht immer echte Wörter. Die Lemmatisierung liefert die Grundform aus dem Wörterbuch (studies->study, went->go), und Lemmata sind immer echte Wörter.

Der klassische Porter Stemmer (Porter, 1980), in deinem Browser umgesetzt – mit allen 5 Schritten, einschließlich der Maßbedingungen m>0/m>1 sowie der Tests *v*, *o und *d.

Nein. Stemming, Lemmatisierung und Export laufen vollständig in deinem Browser ab. Dein Text verlässt niemals dein Gerät.

Ja, der englische Lemmatizer & Porter Stemmer ist zu 100% kostenlos, ohne Registrierung, ohne versteckte Gebühren und ohne Nutzungsbeschränkungen. Die gesamte Verarbeitung erfolgt lokal in deinem Browser und gewährleistet vollständige Privatsphäre.

Absolut. Der englische Lemmatizer & Porter Stemmer verarbeitet alles clientseitig in deinem Browser. Es werden keine Daten auf einen Server hochgeladen oder dort gespeichert. Dein Inhalt bleibt jederzeit privat auf deinem Gerät.

Ja, der englische Lemmatizer & Porter Stemmer ist vollständig responsiv und funktioniert auf Smartphones und Tablets. Du kannst ihn auf jedem Gerät mit einem modernen Webbrowser nutzen – ohne App-Download.

Es ist kein Konto und keine Registrierung erforderlich. Öffne einfach den englischen Lemmatizer & Porter Stemmer in deinem Browser und beginne sofort. Es gibt keine Anmeldehürden oder Nutzungsbeschränkungen.

Ja, der englische Lemmatizer & Porter Stemmer verarbeitet Texte beliebiger Länge schnell und in Echtzeit. Da alles in deinem Browser läuft, hängt die Leistung von deinem Gerät ab, funktioniert aber für die meisten Anwendungsfälle gut.

Gib einfach deinen Text in das vorgesehene Feld ein, passe die Einstellungen nach Wunsch an, und das Tool verarbeitet ihn sofort. Anschließend kannst du das Ergebnis in die Zwischenablage kopieren oder herunterladen.

Greifen Sie zu Stemming, wenn Geschwindigkeit und eine aggressive Reduzierung des Vokabulars wichtiger sind als echte Wörter im Ergebnis. Stemming arbeitet mit einfachen Regeln zum Abschneiden von Endungen und ist dadurch schnell und konsistent – ideal für Suchindizes, Bag-of-Words-Modelle und Information Retrieval, bei denen "studies", "studied" und "studying" lediglich auf ein gemeinsames Token abgebildet werden müssen, selbst wenn dieses Token "studi" lautet. Lemmatisierung ist die bessere Wahl, wenn das Ergebnis lesbar oder grammatikalisch korrekt sein muss – etwa bei der Anzeige normalisierter Begriffe, beim Erstellen einer sauberen Keyword-Liste oder als Eingabe für eine wörterbuchbasierte Pipeline –, weil jedes Lemma ein echtes Wort ist. Viele NLP-Workflows nutzen Stemming zum Abgleichen und Lemmatisierung für die Darstellung. Dieses Tool führt beide Verfahren gleichzeitig im Tab Compare aus und gibt für jedes eine eigene Reduktionsrate an, sodass Sie erkennen können, welche Technik zu Ihrem Text passt, bevor Sie sich festlegen.

Der Porter-Stemmer ist ein regelbasierter Algorithmus und kein Wörterbuch-Nachschlagewerk – er verändert Endungen nach einem Muster, statt zu prüfen, ob das Ergebnis ein echtes Wort ist. Bei "studies" wendet er die Regel an, die ein abschließendes "-ies" in "-i" umwandelt, wodurch "studi" entsteht. Dieser Stamm ist beabsichtigt: Alle Wörter mit derselben Wurzel werden auf dasselbe Token reduziert, und genau das benötigt ein Suchindex oder ein Textabgleich-Modell. Ein echtes Wort ist dabei nie garantiert – "argument" und "argue" können sogar unterschiedlich gestemmt werden. Wenn Sie die gültige Wörterbuchform "study" benötigen, verwenden Sie stattdessen die Lemmatisierung, die "studies" anhand von Grundform-Regeln auf "study" abbildet. Wechseln Sie hier zum Tab Lemmatizer, um lesbare Lemmata zu erhalten, oder nutzen Sie Compare, um Stamm und Lemma für jedes Wort nebeneinander zu sehen und die Unterschiede genau zu erkennen.

Der Schalter Remove stop words entfernt sehr häufige Funktionswörter – etwa "the", "of", "and", "is" und "to" –, bevor das Tool die verbleibenden Wörter auf Stämme oder Lemmata reduziert. Diese Wörter tauchen in fast jedem Satz auf, tragen aber kaum inhaltliche Bedeutung, sodass Sie nach dem Herausfiltern nur die bedeutungstragenden Begriffe behalten, die einen Text tatsächlich von einem anderen unterscheiden. Aktivieren Sie die Option, wenn Sie einen Suchindex aufbauen, Keywords extrahieren, eigenständige Ideen zählen oder Text für ein Bag-of-Words-Modell vorbereiten, da sie das Vokabular verkleinert und Rauschen reduziert. Lassen Sie sie deaktiviert, wenn Sie eine originalgetreue, Wort-für-Wort-Reduktion des Ausgangstexts benötigen, etwa bei einer linguistischen Analyse, bei der jedes Token zählt. Kombinieren Sie die Option mit Lowercase first und Keep numbers, um exakt zu steuern, welche Token erhalten bleiben, und prüfen Sie anschließend im Statistik-Panel, wie viele Wörter übrig geblieben sind.

Die Reduktionsrate misst, wie stark Ihr Vokabular schrumpft, nachdem jedes Wort auf seine Wurzel reduziert wurde. Sie vergleicht die Anzahl eindeutiger Originalwörter mit der Anzahl eindeutiger Stämme oder Lemmata: Wenn 200 unterschiedliche Wörter auf 150 unterschiedliche Stämme zusammenfallen, entspricht das einer Reduktion von 25 %. Ein höherer Wert bedeutet, dass Ihr Text viele flektierte Varianten derselben Wurzeln enthält – Plurale, Verbzeiten und Komparative –, sodass er weniger wirklich eigenständige Ideen transportiert, als die reine Wortzahl vermuten lässt. Dieses Tool weist für Stemming und für Lemmatisierung jeweils einen eigenen Reduktionswert aus, da der aggressivere Stemmer in der Regel stärker reduziert. Die Kennzahl eignet sich, um den lexikalischen Reichtum eines Texts einzuschätzen, einen Suchindex zu dimensionieren oder zu prüfen, ob ein Text sich stark wiederholender Konzepte bedient. Fügen Sie einen Textabschnitt ein und beobachten Sie, wie sich die Reduktion im Statistik-Panel live aktualisiert, während Sie die Optionen anpassen.

Ja. Der Lemmatizer kombiniert Endungsregeln für reguläre Formen mit einem integrierten Wörterbuch gängiger unregelmäßiger Formen und löst so auch Wörter auf, die einfache Regeln übersehen würden. Unregelmäßige Verben werden auf ihre Grundform abgebildet – aus "went" wird "go" und aus "bought" wird "buy" –, unregelmäßige Pluralformen werden ebenfalls erkannt, sodass aus "feet" "foot" und aus "mice" "mouse" wird, und auch unregelmäßige Komparative und Superlative werden reduziert, sodass sowohl "better" als auch "best" zu "good" werden. Reguläre Endungen wie "-s", "-es", "-ies", "-ed", "-ing", "-er" und "-est" werden per Regel entfernt. Da es sich um einen schlanken, deterministischen Lemmatizer und keinen vollständigen Part-of-Speech-Tagger handelt, arbeitet er ohne Satzkontext, was ihn schnell und vorhersehbar macht. Laden Sie den mitgelieferten Beispielsatz, um unregelmäßige Verben, Pluralformen und Komparative in einem einzigen Durchgang normalisiert zu sehen, bevor Sie eigenen Text einfügen.