अंग्रेज़ी लेमेटाइज़र और पोर्टर स्टेमर

English Lemmatizer & Porter Stemmer एक मुफ़्त ऑनलाइन टूल है जो Porter Stemmer एल्गोरिदम या नियम-आधारित lemmatizer का उपयोग करके अंग्रेज़ी शब्दों को उनके मूल रूप में बदल देता है। दोनों की तुलना साथ-साथ करें। यह पूरी तरह आपके ब्राउज़र में चलता है, बिना किसी इंस्टॉलेशन या साइन-अप के।

Stemming शब्दों के अंत को अनुमान के आधार पर काट देता है (running->run, studies->studi) — इसके परिणाम हमेशा असली शब्द नहीं होते। Lemmatization शब्दकोश का मूल रूप लौटाता है (studies->study, went->go) — और lemmas हमेशा असली शब्द होते हैं।

क्लासिक Porter Stemmer (Porter 1980), जो आपके ब्राउज़र में लागू किया गया है — इसके सभी 5 चरणों के साथ, जिसमें m>0/m>1 माप शर्तें और *v*, *o तथा *d परीक्षण शामिल हैं।

नहीं। सारा stemming, lemmatization और एक्सपोर्ट पूरी तरह आपके ब्राउज़र में ही होता है। आपका टेक्स्ट कभी आपके डिवाइस से बाहर नहीं जाता।

हाँ, English Lemmatizer & Porter Stemmer 100% मुफ़्त है, बिना किसी रजिस्ट्रेशन, छिपे शुल्क या उपयोग सीमा के। सारी प्रोसेसिंग आपके ब्राउज़र में स्थानीय रूप से होती है, जिससे पूरी निजता सुनिश्चित होती है।

बिल्कुल। English Lemmatizer & Porter Stemmer सब कुछ आपके ब्राउज़र में क्लाइंट-साइड पर प्रोसेस करता है। कोई डेटा किसी सर्वर पर अपलोड या संग्रहीत नहीं किया जाता। आपकी सामग्री हर समय आपके डिवाइस पर निजी रहती है।

हाँ, English Lemmatizer & Porter Stemmer पूरी तरह रिस्पॉन्सिव है और स्मार्टफ़ोन तथा टैबलेट पर काम करता है। आप इसे किसी भी आधुनिक वेब ब्राउज़र वाले डिवाइस पर उपयोग कर सकते हैं — किसी ऐप डाउनलोड की ज़रूरत नहीं।

किसी खाते या रजिस्ट्रेशन की ज़रूरत नहीं है। बस अपने ब्राउज़र में English Lemmatizer & Porter Stemmer खोलें और तुरंत उपयोग शुरू करें। कोई साइन-अप बाधा या उपयोग प्रतिबंध नहीं है।

हाँ, English Lemmatizer & Porter Stemmer किसी भी लंबाई के टेक्स्ट को तेज़, रियल-टाइम प्रोसेसिंग के साथ संभालता है। चूँकि सब कुछ आपके ब्राउज़र में चलता है, प्रदर्शन आपके डिवाइस पर निर्भर करता है, पर अधिकांश मामलों के लिए यह अच्छा काम करता है।

बस दिए गए फ़ील्ड में अपना इनपुट दर्ज करें, अपनी पसंद के अनुसार कोई भी सेटिंग समायोजित करें, और टूल इसे तुरंत प्रोसेस कर देगा। इसके बाद आप परिणाम को क्लिपबोर्ड पर कॉपी या डाउनलोड कर सकते हैं।

जब असली शब्द बनाने से ज़्यादा गति और शब्दावली को आक्रामक तरीके से समेटना मायने रखे, तो stemming चुनें। Stemming सरल suffix-काटने वाले नियमों का इस्तेमाल करती है, इसलिए यह तेज़ और consistent है — search indexes, bag-of-words models, और information retrieval के लिए आदर्श, जहाँ "studies", "studied", और "studying" को सिर्फ एक साझा token में मैप होना है, भले ही वह token "studi" ही क्यों न हो। Lemmatization तब बेहतर विकल्प है जब आउटपुट इंसानों के पढ़ने लायक या व्याकरणिक रूप से सही होना ज़रूरी हो, जैसे normalized terms दिखाना, एक साफ keyword list बनाना, या किसी dictionary-based pipeline को डेटा देना, क्योंकि हर lemma एक असली शब्द होता है। कई NLP workflows matching के लिए stemming और presentation के लिए lemmatization इस्तेमाल करते हैं। यह टूल Compare टैब पर दोनों को एक साथ चलाता है और हर एक के लिए अलग reduction percentage दिखाता है, ताकि आप तय कर सकें कि आपके टेक्स्ट के लिए कौन-सी तकनीक सही है।

Porter stemmer एक rule-based algorithm है, dictionary lookup नहीं, इसलिए यह यह जाँचने के बजाय कि नतीजा असली शब्द है या नहीं, पैटर्न के आधार पर अंत बदल देता है। "studies" के लिए यह वह नियम लागू करता है जो अंतिम "-ies" को "-i" में बदल देता है, जिससे "studi" बनता है। यह stem जानबूझकर ऐसा है: उसी मूल को साझा करने वाला हर शब्द एक ही token में समेट जाता है, जो कि किसी search index या text-matching model के लिए बस इतना ही चाहिए होता है। असली शब्द बनने की कभी गारंटी नहीं होती — "argument" और "argue" तक अलग-अलग तरीके से stem हो सकते हैं। अगर आपको वैध dictionary रूप "study" चाहिए, तो इसके बजाय lemmatization इस्तेमाल करें, जो base-form नियमों का उपयोग करके "studies" को "study" में मैप करता है। पढ़ने लायक lemmas पाने के लिए यहाँ Lemmatizer टैब पर जाएं, या हर शब्द के लिए stem और lemma साथ-साथ देखने और उनमें अंतर पहचानने के लिए Compare का इस्तेमाल करें।

Remove stop words टॉगल बहुत आम function words — जैसे "the", "of", "and", "is", और "to" — को टूल द्वारा बाकी शब्दों को stems या lemmas में घटाने से पहले हटा देता है। ये शब्द लगभग हर वाक्य में आते हैं लेकिन इनका topical अर्थ बहुत कम होता है, इसलिए इन्हें फ़िल्टर करने से आपके पास वे content-bearing terms रह जाते हैं जो असल में एक पैसेज को दूसरे से अलग करते हैं। इसे तब चालू करें जब आप search index बना रहे हों, keywords निकाल रहे हों, अलग विचार गिन रहे हों, या bag-of-words model के लिए टेक्स्ट तैयार कर रहे हों, क्योंकि यह शब्दावली को छोटा करता है और शोर कम करता है। इसे बंद रखें जब आपको मूल टेक्स्ट का वफादार, शब्द-दर-शब्द reduction चाहिए हो, जैसे भाषाई विश्लेषण जहाँ हर token मायने रखता है। इसे Lowercase first और Keep numbers विकल्पों के साथ मिलाकर ठीक-ठीक तय करें कि कौन-से token बचते हैं, फिर देखें statistics पैनल में कि कितने शब्द बचे।

Reduction percentage मापता है कि हर शब्द को उसके मूल रूप में घटाने के बाद आपकी शब्दावली कितनी छोटी हो जाती है। यह अद्वितीय मूल शब्दों की संख्या की तुलना अद्वितीय stems या lemmas की संख्या से करता है: अगर 200 अलग शब्द 150 अलग stems में समेट जाएं, तो यह 25% reduction है। ज़्यादा संख्या का मतलब है कि आपके टेक्स्ट में एक ही मूल के कई विभक्ति-युक्त रूप हैं — बहुवचन, क्रिया के काल, और तुलनात्मक रूप — इसलिए इसमें उतने अलग विचार नहीं हैं जितने कच्ची शब्द-गिनती से लगते हैं। यह टूल stemming और lemmatization के लिए अलग-अलग reduction आँकड़ा दिखाता है, क्योंकि ज़्यादा आक्रामक stemmer आमतौर पर ज़्यादा समेटता है। यह मीट्रिक lexical richness आँकने, search index का आकार तय करने, या यह जाँचने के लिए उपयोगी है कि लेखन दोहराए गए concepts पर कितना निर्भर है। कोई पैसेज पेस्ट करें और विकल्पों को समायोजित करते हुए statistics पैनल में reduction को लाइव अपडेट होते देखें।

हाँ। Lemmatizer नियमित अंत के लिए suffix नियमों को आम अनियमित रूपों की एक बिल्ट-इन डिक्शनरी के साथ जोड़ता है, इसलिए यह उन शब्दों को हल कर देता है जिन्हें सरल नियम छोड़ देते। अनियमित क्रियाएं अपने मूल रूप में मैप होती हैं — "went" बनता है "go" और "bought" बनता है "buy" — अनियमित बहुवचन भी संभाले जाते हैं, जहाँ "feet", "foot" बनता है और "mice", "mouse" बनता है, और अनियमित तुलनात्मक व सर्वोत्तम रूप भी घटते हैं, इसलिए "better" और "best" दोनों "good" बनते हैं। "-s", "-es", "-ies", "-ed", "-ing", "-er", और "-est" जैसे नियमित अंत नियम द्वारा हटा दिए जाते हैं। चूँकि यह एक पूरा part-of-speech tagger नहीं बल्कि एक हल्का, deterministic lemmatizer है, यह वाक्य के context के बिना काम करता है, जो इसे तेज़ और अनुमानित बनाए रखता है। अपना टेक्स्ट पेस्ट करने से पहले, बिल्ट-इन सैंपल वाक्य लोड करके देखें कि अनियमित क्रियाएं, बहुवचन, और तुलनात्मक रूप एक ही पास में कैसे सामान्य होते हैं।