Da li netko ima kakvu kvalitetnu hrvatsku stopwords listu?
najbolje što sam našao je
http://ling.unizd.hr/~schemers/code/files/croatian-stopwords.scm
Ako googlaš za “zaustavne riječi site:fer.hr” dobit ćeš odmah s početka neke stranice koje izgledaju obećavajuće (tj. imaju i link na popis stop-riječi), ali onda vidiš da su stranice napuštene. No, kroz njih možeš saznati za osobe koje su time bavile, pa ih možda kontaktirati. Npr.:
http://www.zemris.fer.hr/~jan/textm/
, odn.
http://www.fer.hr/jan.snajder
.
A isto tako dobiješ i neke natuknice da su takve stvari rađene iz Vjesnikove digitalne arhive, npr. v.
http://ktlab.fer.hr/download/jan/MorfoloskaNormalizacija.pdf
, 5.4.1 Korpus.
Uglavnom, ako je to za firmu, možete probati stupiti u kontakt s nekim ljudima.
Hvala ti. Kontaktirati ću gospodina, pa ako ima nešto kvalitetno postam. Kad sam pisao post imao sam u glavi da si se opet uključio na forum.
Poslao sam mail, pa ćemo vidjeti. U međuvremenu sam našao ovo:
https://bitbucket.org/trebor74hr/text-hr/src/tip/text_hr/std_words.txt