====== Stopwords ====== //Stopwords// (česky bych přeložil jako //nezajímavá slova//) je poměrně vágně definovaný koncept, který má uplatnění v získávání informací a příbuzných oborech. Jde o slova, která nemá smysl považovat za klíčová při indexování nebo vyhledávání dokumentů, protože tato slova jsou v daném jazyce příliš běžná, takže nemůžeme říct, že charakterizují téma daného dokumentu nebo jeho části. Typicky sem patří funkční slova z uzavřených tříd, např. zájmena, číslovky, předložky, spojky a částice, ale i tvary pomocných a způsobových sloves. ===== Čeština ===== Seznam od Zdeňka Žabokrtského asi z roku 2004. Prošel tektogramatickou rovinu, vybral funkční slova ve skrytých uzlech (vedl na ně odkaz typu aux.rf), výsledný seznam ještě ručně opravil. a v na je že o z s i by do to k ve pro za ale po jsou jako podle od však bude při jen u aby byl až nebo než být se ze před není bylo mezi co jsme když byla jsem ani či proti tím budou bez tom ke asi nás této proto pokud protože tomu nad byly tento li toho nám tohoto pod což kdo ovšem zda tato těchto mu tyto přes ji ne ho kolem bychom jim ten tomto nejen mi byli během tuto prý kdyby bych kromě ty neboť nejsou nebude jak zatímco toto mimo takže tak jež vůči takové jej ta té jste díky vzhledem mě ti já jí jestliže nebyl jich my těch nebylo vedle kvůli budeme jenom místo buď tj jehož de ať nebyla přestože takový avšak vám nicméně tímto čím vás anebo přičemž on včetně tu jenž mne nebudou ano nýbrž jenže byť tomuto jednak nebyly jestli taková okolo bohužel aniž vždyť takových takového touto byste takovou oproti tudíž těm ačkoliv námi oni čem ačkoli ona jím těmito budu mně těmto zato jakmile jemuž totéž pozor čímž tito takovém naproti téhož vy čili čeho ode koho nejsem komu ač těmi jímž tohle nejsme neboli tou ono jimž jimi téže nechť nebyli ba leč budete ony nebudeme krát jimiž jest beze nežli dle čemu takovým takovému jelikož jakožto coby aneb oněch onoho ad poněvadž namísto jichž ku jíž buďte ohledně takovéto onen oné jakož vstříc týž nebudu mnou jemu versus vámi podél poblíž nebýt kdežto již onu jenomže takovými kým copak zdali třebaže skrze natož uvnitř takovýto jsi témže téhle tě plus no nehledě čemž van tentýž takovýchto jeho čemuž čehož takříkajíc budiž tuhle tenhle takoví ovšemže kontra buďto takováto onomu onom nejste jejž tytéž tomtéž oním narozdíl kdoví jakoby budeš vyjma tyhle nade býti zpoza vně týchž tímhle takovouto takovémto tahle skrz nuže nebudete neb kéž jo tutéž titíž tatáž takovýmto takovéhoto leda krom kdož bys žel týmž tož tomhle tímtéž tihle témž tebe takovýhle tací sbohem přede onou nu nejenomže nebudeš ledaže blízko zpod zaplaťpánbu zadruhé vzdor viďte via uprostřed týmiž tyhlety tomuhle tíž témuž těma těchže takých takovémhle takovéhle sic přese pakliže onyno oněmi oněm ni neřkuli nebuďte napospas naneštěstí mnohem kterážto kráte kohopak kdopak ježto cožpak cože bysme bůhví buďme budem ===== Čeština jinak ===== Seznam slov z uzavřených tříd, vytvořen ručně bez konzultace s korpusem. já mne mě mně mi mnou ty tebe tě tobě ti tebou tys on jeho něho ho jemu němu mu jej něj něm jím ním ona jí ní ji ni ono my nás nám námi vy vás vám vámi oni ony ona jich nich jim nim je ně jimi nimi sebe se sobě si sebou můj mého mému mém mým moje má mojí mé moji mou mí mých mými tvůj tvého tvému tvém tvým tvoje tvá tvojí tvé tvoji tvou tví tvých tvými svůj svého svému svém svým svoje svá svojí své svoji svou sví svých svými jeho její jejího jejímu jejím jejích jejími náš našeho našemu našem naším naše naší naši našich našim našimi váš vašeho vašemu vašem vaším vaše vaší vaši vašich vašim vašimi jejich ten toho tomu tom tím ta té tu tou to ti těch těm ty těmi tento tohoto tomuto tomto tímto tato této tuto touto toto tito těchto těmto tyto těmito tenhle tohohle tomuhle tomhle tímhle tahle téhle tuhle touhle tohle tihle těchhle těmhle tyhle těmihle onen onoho onomu onom oním ona oné onu onou ono oni oněch oněm ony oněmi takový takového takovému takovém takovým taková takové takovou takoví takových takovými týž téhož témuž tomž tímž táž též touž tož tiž těchž těmž těmiž tentýž tomtéž tatáž toutéž titíž těchtýž těmtýž těmitýž tytéž sám samého sama samému samém samým samé samou samo sami samých samými kdo koho komu kom kým co čeho čemu čem čím jaký jakého jakému jakém jakým jaká jaké jakou jací jakých jakými který kterého kterému kterém kterým která které kterou kteří kterých kterými čí čího čímu čím čích čími jenž jehož něhož jemuž němuž němž jímž nímž jež něž již niž kdož což jehož jejíž jejíhož jejímuž jejímž jejíchž jejímiž jejichž někdo někoho někomu někom někým něco něčeho něčemu něčem něčím nějaký nějakého nějakému nějakém nějakým nějaká nějaké nějakou nějací nějakých nějakými některý některého některému některém některým některá některé některou někteří některých některými něčí něčího něčímu něčím něčích něčími leckdo leckoho leckomu leckom leckým lecco leccos lecčeho lecčehos lecčemu lecčemus lecčem lecčems lecčím lecčíms lecjaký lecjakého lecjakému lecjakém lecjakým lecjaká lecjaké lecjakou lecjací lecjakých lecjakými leckterý leckterého leckterému leckterém leckterým leckterá leckteré leckterou leckteří leckterých leckterými lecčí lecčího lecčímu lecčím lecčích lecčími málokdo málokoho málokomu málokom málokým máloco máločeho máločemu máločem máločím málokterý málokterého málokterému málokterém málokterým málokterá málokteré málokterou málokteří málokterých málokterými kdokoli kdokoliv kohokoli kohokoliv komukoli komukoliv komkoli komkoliv kýmkoli kýmkoliv cokoli cokoliv čehokoli čehokoliv čemukoli čemukoliv čemkoli čemkoliv čímkoli čímkoliv jakýkoli jakýkoliv jakéhokoli jakéhokoliv jakémukoli jakémukoliv jakémkoli jakémkoliv jakýmkoli jakýmkoliv jakákoli jakákoliv jakékoli jakékoliv jakoukoli jakoukoliv jacíkoli jacíkoliv jakýchkoli jakýchkoliv jakýmikoli jakýmikoliv kterýkoli kterýkoliv kteréhokoli kteréhokoliv kterémukoli kterémukoliv kterémkoli kterémkoliv kterýmkoli kterýmkoliv kterákoli kterákoliv kterékoli kterékoliv kteroukoli kteroukoliv kteříkoli kteříkoliv kterýchkoli kterýchkoliv kterýmikoli kterýmikoliv číkoli číkoliv číhokoli číhokoliv čímukoli čímukoliv čímkoli čímkoliv číchkoli číchkoliv čímikoli čímikoliv každý každého každému každém každým každá každé každou každých každými všechen všechnoho všechnomu všechnom všechnem všechna všechno všechnu všichni všechny všechněch všechněmi nikdo nikoho nikomu nikom nikým nic ničeho ničemu ničem ničím nijaký nijakého nijakému nijakém nijakým nijaká nijaké nijakou nijací nijakých nijakými ničí ničího ničímu ničím ničích ničími žádný žádného žádnému žádném žádným žádná žádné žádnou žádní žádných žádnými oba obou oběma obě mnoho mnohý mnohého mnohému mnohém mnohým mnohá mnohé mnohou mnohých mnohými nemnoho nemnohý nemnohého nemnohému nemnohém nemnohým nemnohé nemnohou nemnohých nemnohými málo nemálo málokrát mnohokrát nemálokrát nemnohokrát kolik kolikrát pokolikáté kolikátý kolikátého kolikátému kolikátém kolikátým kolikátá kolikáté kolikátou kolikátí kolikátých kolikátými kolikerý kolikerého kolikerému kolikerém kolikerým kolikerá kolikeré kolikerou kolikeří kolikerých kolikerými kolikero kolikera kolikeru kolikerem kolikery tolik tolikrát potolikáté tolikátý tolikátého tolikátému tolikátém tolikátým tolikátá tolikáté tolikátou tolikátí tolikátých tolikátými tolikerý tolikerého tolikerému tolikerém tolikerým tolikerá tolikeré tolikerou tolikeří tolikerých tolikerými tolikero tolikera tolikeru tolikerem tolikery několik několikrát poněkolikáté několikátý několikátého několikátému několikátém několikátým několikátá několikáté několikátou několikátí několikátých několikátými několikerý několikerého několikerému několikerém několikerým několikerá několikeré několikerou několikeří několikerých několikerými několikero několikera několikeru několikerem několikery nula jeden jednoho jednomu jednom jedním jedna jedné jednu jednou jedno jedni jedněch jedněm jedněmi jedny dva dvou dvěma dvě tři třech třem třemi čtyři čtyř čtyřem čtyřech čtyřmi pět pěti šest šesti sedm sedmi osm osmi devět devíti deset deseti jedenáct jedenácti dvanáct dvanácti třináct třinácti čtrnáct čtrnácti patnáct patnácti šestnáct šestnácti sedmnáct sedmnácti osmnáct osmnácti devatenáct devatenácti dvacet dvaceti třicet třiceti čtyřicet čtyřiceti padesát padesáti šedesát šedesáti sedmdesát sedmdesáti osmdesát osmdesáti devadesát devadesáti sto sta stu stem stě set stům sty stech tisíc tisíce tisíci tisícem tisíce tisíců tisícům tisících tisíci milión milion miliónu milionu miliónem milionem milióny miliony miliónů milionů miliónům milionům miliónech milionech miliarda miliardy miliardě miliardu miliardou miliard miliardám miliardách miliardami první prvního prvnímu prvním prvních prvními druhý druhého druhému druhém druhým druhá druhé druhou druzí druhých druhými třetí třetího třetímu třetím třetích třetími čtvrtý čtvrtého čtvrtému čtvrtém čtvrtým čtvrtá čtvrté čtvrtou čtvrtí čtvrtých čtvrtými pátý pátého pátému pátém pátým pátá páté pátou pátí pátých pátými ... stý stého stému stém stým stá sté stou stí stých stými tisící tisícího tisícímu tisícím tisících tisícími milióntý milióntého milióntému milióntém milióntým milióntá miliónté milióntou milióntí milióntých milióntými poprvé podruhé potřetí počtvrté popáté pošesté posedmé poosmé podeváté podesáté pojedenácté podvanácté potřinácté počtrnácté popatnácté pošestnácté posedmnácté poosmnácté podevatenácté podvacáté potřicáté počtyřicáté popadesáté pošedesáté posedmdesáté poosmdesáté podevadesáté posté potisící pomiliónté pomilionté nulakrát jednou jedenkrát dvakrát třikrát čtyřikrát pětkrát šestkrát sedmkrát osmkrát devětkrát desetkrát jedenáctkrát dvanáctkrát třináctkrát čtrnáctkrát patnáctkrát šestnáctkrát sedmnáctkrát osmnáctkrát devatenáctkrát dvacetkrát třicetkrát čtyřicetkrát padesátkrát šedesátkrát sedmdesátkrát osmdesátkrát devadesátkrát stokrát tisíckrát miliónkrát milionkrát dvojí dvojího dvojímu dvojím dvojích dvojími dvoje trojí trojího trojímu trojím trojích trojími troje čtvery patery šestery sedmery osmery devatery desatery jedenáctery dvanáctery třináctery čtrnáctery patnáctery šestnáctery sedmnáctery osmnáctery devatenáctery dvacatery třicatery čtyřicatery padesátery šedesátery sedmdesátery osmdesátery devadesátery stery tisícery tisíceré čtvero patero šestero sedmero osmero devatero desatero jedenáctero dvanáctero třináctero čtrnáctero patnáctero šestnáctero sedmnáctero osmnáctero devatenáctero dvacatero třicatero čtyřicatero padesátero šedesátero sedmdesátero osmdesátero devadesátero stero tisícero být býti jsem jsi je jsme jste jsou byl byla bylo byli byly bych bys by bychom byste budu budeš bude budeme budem budete budou buď buďme buďte budiž buďtež nebýt nebýti nejsem nejsi není nejsme nejste nejsou nebyl nebyla nebylo nebyli nebyly nebudu nebudeš nebude nebudeme nebudem nebudete nebudou nebuď nebuďme nebuďte mít míti mám máš má máme máte mají měl měla mělo měli měly měj mějme mějte nemít nemíti nemám nemáš nemá nemáme nemáte nemají neměl neměla nemělo neměli neměly neměj nemějme nemějte moci moct mohu můžu můžeš může můžeme můžem můžete mohou můžou mohl mohla mohlo mohli mohly nemoci nemoct nemohu nemůžu nemůžeš nemůže nemůžeme nemůžem nemůžete nemohou nemůžou nemohl nemohla nemohlo nemohli nemohly smět směti smím smíš smí smíme smíte směl směla smělo směli směly nesmět nesměti nesmím nesmíš nesmí nesmíme nesmíte nesměl nesměla nesmělo nesměli nesměly chtít chtíti chci chceš chce chceme chcem chcete chtějí chtěl chtěla chtělo chtěli chtěly chtěn chtěna chtěno chtěni chtěny chtěj chtějme chtějte nechtít nechtíti nechci nechceš nechce nechceme nechcem nechcete nechtějí nechtěl nechtěla nechtělo nechtěli nechtěly nechtěn nechtěna nechtěno nechtěni nechtěny nechtěj nechtějme nechtějte umět uměti umím umíš umí umíme umíte uměl uměla umělo uměli uměly neumět neuměti neumím neumíš neumí neumíme neumíte neuměl neuměla neumělo neuměli neuměly muset musiti musím musíš musí musíme musíte musel musela muselo museli musely nemuset nemusiti nemusím nemusíš nemusí nemusíme nemusíte nemusel nemusela nemuselo nemuseli nemusely dělat dělati dělám děláš dělá děláme děláte dělají dělal dělala dělalo dělali dělaly dělán dělána děláno děláni dělány dělej dělejme dělejte nedělat nedělati nedělám neděláš nedělá neděláme neděláte nedělají nedělal nedělala nedělalo nedělali nedělaly nedělán nedělána neděláno neděláni nedělány nedělej nedělejme nedělejte zde tu tady tadyhle tam tamhle teď nyní dříve předtím později potom tak proto kde kdy jak proč nač zač oč někde někdy nějak leckde leckdy lecjak málokde málokdy kdekoli kdekoliv kdykoli kdykoliv jakkoli jakkoliv všude vždy nikde nikdy nijak bez do k ke ku kolem kromě kvůli mezi mimo na nad nade naproti o ob od ode okolo oproti po pod pode pro proti při před přede přes přese s se skrz skrze u v ve vedle z ze za a i ani nebo ale buď anebo avšak však až také dokonce či že jestliže zda jestli aby abych abychom abyste kdyby kdybych kdybychom kdybyste protože poněvadž jelikož přestože aniž ano ne ať kéž nechť snad možná ===== Angličtina ===== Můj seznam slov z uzavřených tříd, který jsem s pomocí Penn Treebanku vyráběl pro výuku Morfologické a syntaktické analýzy. I me you he him she her it we us they them one myself yourself himself herself itself ourselves yourselves themselves oneself my mine your yours his her hers its our ours their theirs this these that those a an the who whom whose what which some somebody someone something any anybody anyone anything every everybody everyone everything each all both many much more most too enough few little fewer less least no nobody nothing none zero one two three four five six seven eight nine ten eleven twelve thirteen fourteen fifteen sixteen seventeen eighteen nineteen twenty thirty forty fifty sixty seventy eighty ninety hundred thousand million billion first second third fourth fifth sixth seventh eighth ninth tenth eleventh twelfth thirteenth fourteenth fifteenth sixteenth seventeenth eighteenth nineteenth twentieth thirtieth fortieth fiftieth sixtieth seventieth eightieth ninetieth hundredth thousandth millionth billionth be am are is was were been being have has had having will would (willing) can cannot could shall should may might must do does did done doing here there now then where when how why somewhere sometime somehow anywhere anytime anyhow anyway everywhere always nowhere never aboard about above across after against ago along alongside amid among amongst around as astride at atop before behind below beneath beside besides between beyond by despite de down during en except for from in inside into lest like minus near next notwithstanding of off on onto opposite out outside over par past per plus post since through throughout 'til till to toward towards under underneath unlike until unto up upon versus via vs. with within without worth & and both but either et less minus 'n 'n' neither nor or plus so times v. versus vs. yet albeit although because 'cause if neither since so than that though 'til till unless until whereas whether which while yes no not to ===== Němčina ===== Můj seznam slov z uzavřených tříd, sestavený obdobně jako výše uvedený anglický seznam, ale bez Penn Treebanku :-). Pozor, některé skupiny slov nemám rozepsané, protože jsou dlouhé a říkalo by si to spíš o nějaké automatické rozgenerování (zejména základní a řadové číslovky). ich mir mich du dir dich er ihm ihn sie ihr es wir uns euch ihnen sich mein meiner meine meines meinem meinen dein deiner deine deines deinem deinen sein seiner seine seines seinem seinen ihr ihrer ihre ihres ihrem ihren unser unserer unsere unseres unserem unseren euer euerer euere eueres euerem eueren dies dieser diese dieses diesem diesen ein eine der die das dem den wer wem wen wessen was welcher welche welches welchem welchen jemand jemandem jemanden etwas einiges irgendwas irgendwo irgendwann jeder jede jedes jedem jeden alles beide viel vieler viele vieles vielem vielen mehr meist meisten zu genug wenig weniger wenige weniges wenigem wenigen wenigst wenigsten kein keiner keine keines keinem keinen kaum nichts null ein einer eine eines einem einen zwei drei vier fünf sechs sieben acht neun zehn elf zwölf dreizehn vierzehn fünfzehn sechzehn siebzehn achtzehn neunzehn zwanzig dreizig vierzig fünfzig sechzig siebzig achtzig neunzig einundzwanzig zweiundzwanzig dreiundzwanzig vierundzwanzig ... neunundneunzig hundert tausend million milliarde erster erstes erste erstem ersten zweiter zweites zweite zweitem zweiten dritter ... vierter fünfter sechster siebter achter neunter zehnter elfter zwölfter dreizehnter vierzehnter fünfzehnter sechzehnter siebzehnter achtzehnter neunzehnter zwanzigster dreizigster vierzigster fünfzigster sechzigster siebzigster achtzigster neunzigster sein bin bist is sind seid war warst waren wart gewesen sei seien wäre wären haben habe hast hat habt hatte hattest hatten hattet gehabt hätte hätten werden werde wirst wird werdet wurde wurdest wurden wurdet geworden würde würden dürfen darf darfst darf dürft durfte durftest durften durftet dürfte dürften können könne kannst kannt könnt konnte konntest konnten konntet könnte könntest könnten könntet mögen mag magst möget mochte mochtest mochten mochtet möchte möchtest möchten möchtet müssen muss musst müsst musste musstest mussten musstet müsste müssten sollen soll sollst sollt sollte solltest sollten solltet sölle söllen wollen will willst wollt wollte wolltest wollten wolltet wissen weiss weisst wisst wusste wusstest wussten wusstet gewusst wüsste wüssten hier dort jetzt nun damals so darum soviel wo wann wie warum wieviel irgendwo irgendwann irgendwie nirgendwo nie niemals aus bei beim mit nach von vom zu zum zur durch für fürs gegen ohne um ums über zusammen zwischen rund als in im ins auf aufs vor hinter unter trotz trotzdem während statt nur ausser innerhalb ausserhalb wie nah seit seitdem ab bis anstatt & und aber entweder oder auch weder noch mal trotzdem weil ob dass ja nein nicht zu ===== Ruština ===== я меня мне мной ты тебя тебе тобой он его него ему нему ем нем она ее нее её неё ей ней оно мы нас нам нами вы вас вам вами они их них им ним ими ними мой моя мое моё мои моего моей моих моему моим моем моём моими твой твоя твое твоё твои твоего твоей твоих твоему твоим твоем твоём твоими свой своя свое своё свои своего своей своих своему своим своем своём своими наш наша наше наши нашего нашей наших нашему нашим нашем нашими ваш ваша ваше ваши вашего вашей ваших вашему вашим вашем вашими этот эта это эти этого этой этих этому этим этом этими кто кого кому ком кем что чего чему чем какой какая какое какие какого каких какому каким какою какими каторый каторая каторое каторые каторого каторых каторому каторым каторою каторыми чей чья кто-нибудь кого-нибудь кому-нибудь ком-нибудь кем-нибудь что-нибудь чего-нибудь чему-нибудь чем-нибудь какой-нибудь какая-нибудь какое-нибудь какие-нибудь какого-нибудь каких-нибудь какому-нибудь каким-нибудь какою-нибудь какими-нибудь каторый-нибудь каторая-нибудь каторое-нибудь каторые-нибудь каторого-нибудь каторых-нибудь каторому-нибудь каторым-нибудь каторою-нибудь каторыми-нибудь каждый каждая каждое каждого каждой каждому каждою каждом каждым все всё оба обе много многие многих многим многими более мало немного немножко немногие немногих немногим немногими меньше никто никого никому ником никем ничто ничего ничему ничем никакой никакая никакое никакие никакого никаких никакому никаким никакою никакими никаторый никаторая никаторое никаторые никаторого никаторых никаторому никаторым никаторою никаторыми ноль один одна одно одного одной одному одну одном одним два две три четыре пять шесть семь восемь девять десять одиннадцать двенадцать тринадцать четырнадцать пятнадцать шестнадцать семнадцать восемнадцать девятнадцать двадцать тридцать сорок пятьдесят шестьдесят семьдесят восемьдесят девяносто сто двести пятьсот тысяча миллион миллиард первый второй третий ... быть есть бы был была было были буду будешь будет будем будете будут мочь могу можешь может можем можете могут моги мог могла могло могли могущий могший должен должна должно должны надо хотеть хочу хочешь хочет хотим хотите хотят хотел хотела хотело хотели хоти хотите хотящий хотевший хотя хотев здесь там сейчас потом вот вон так потому только где когда как почему сколько где-нибудь когда-нибудь как-нибудь несколько где-то когда-то нигде никогда никак без у до от из кроме против среди к по про за перед о в во на над под между с со рядом и или ни а даже тоже что если чтобы хотя да нет пусть ===== Další zdroje ===== * http://www.ranks.nl/resources/stopwords.html (momentálně mají seznamy pro 19 jazyků, ale pozor, chybí jim tam diakritika) * http://www.phpbar.de/w/Stoppwortliste_deutsch (němčina rovnou připravena jako zdroják PHP) * ftp://ftp.cs.cornell.edu/pub/smart/english.stop (angličtina) * ftp://ftp.cs.cornell.edu/pub/smart/spanish.stop (španělština) * http://sourceforge.net/projects/arabicstopwords/ (arabština) * http://snowball.tartarus.org/algorithms/french/stop.txt (francouzština; tohle je součást projektu Snowball, který má údajně pokrytou i řadu dalších jazyků) * http://norm.al/2009/04/14/list-of-english-stop-words/ (angličtina; též připraveno jako zdroják pro PHP a pro MySQL) * http://mail.sarai.net/private/prc/Week-of-Mon-20080204/001656.html (hindština) * http://pl.wikipedia.org/wiki/Wikipedia:Stopwords (polština)