Несколько SQL-запросов к словарной базе и нашлись такие пары предложных словосочетаний и омофоничных/омографичных существительных (кое-где ударение не совпадает, поэтому омографы):

В + аккузатив или препозитив:
( Read more... )

Коллега по работе навел на замечательный пост Длинные слова и длинные предложения (о рекордах).
Я решил перепроверить часть указанных там рекордов по своей словарной базе. Та-дам!

( Самые длинные существительные )

В продолжение работы над составными прилагательными, в грамматическом словаре выполнена чистка русского лексикона от большого количества составных существительных.

( Read more... )

( Read more... )

В репозитории https://github.com/Koziev/GrammarEngine обновлены исходники русской словарной базы.

Новая версия содержит увеличенный примерно на 10% лексикон, множество исправлений в морфологической разметке слова, а также доработки в синтаксическом анализаторе.

Сборка из C++ исходников проверена под MS Windows с VisualStudio 2015 и под Ubuntu v16

В дополнение к русской словарной базе, в репозиторий выложены словарная база (лексика, морфология, синтаксис) для английского языка ( Read more... )

Бросается в глаза невероятная, статистически выраженная склонность авторов отзывов к усилительным/уменьшительным вариантам слов. Интересно, что же побуждает людей менять свой активный лексикон? Ведь обычно мы так не говорим (под катом краткий перечень несловарных производных):
( Смещенная лексика в отзывах... )

После добавки порции сырья имеем на борту:

английский лексикон: 274955 entries, 531761 wordforms, 426486 unique lexemes
английский синтаксический парсер: 980 правил

русский лексикон: 275531 статья, 2,308,964 уникальных форм
русский синтаксический парсер: 2,864 правила

Делаю ревизию английской морфологии в словарной базе. Первое изменение было задумано очень давно, но большой нужды до последнего момента не было ( Read more... )

Исправлены парадигмы и грамматические признаки нескольких десятков словарных статей.
Добавлено примерно 700 новых слов, преимущественно существительных.
Текущая статистика по лексикону:  220695 entries, 2858471 wordforms, 1750654 unique lexemes