Задача: Выделить неизменную часть слова(основу, псевдокорень) имея список всех воможных словоформ

Пример всех словоформ для слова "окно":
ОКНО
ОКНА
ОКОН
ОКНОМ
ОКНАМИ
ОКНУ
ОКНАМ
ОКНЕ
ОКНАХ
ОКОННЫЙ
ОКОННАЯ
ОКОННОЕ
ОКОННЫЕ
ОКОННОГО
ОКОННОЙ
ОКОННЫХ
ОКОННЫМ
ОКОННОЮ
ОКОННЫМИ
ОКОННУЮ
ОКОННОМУ
ОКОННОМ
ОКОНЕН
ОКОННА
ОКОННО
ОКОННЫ

Из списка видно, что для слова "окно" возможны 2 неизменные основы слова: "ОКН" и "ОКОН"

Как программно КОРРЕКТНО (с учетом всех возможных правил русского языка) выделять основу(ы) имея список словоформ?

Думаю алгоритм уже существует, если кому известен, подскажите где почитать...

Конечно можно было бы перебором выявить набор одинаковых символов (части слова) для всего списка, НО... как быть если основ может быть 2 и более?

наверно, нужно научиться отбрасывать окончания, суффиксы, приставки, чтобы оставался один корень

это похоже на стемминг, данный алгоритм не интересует из-за погрешностей


для более точного результата использую морфологический словарь, получаю ВСЕ возможные словоформы, а вот как для всех полученных словоформ выделить неизменную часть слова, псевдокорень... или псевдокорнИ ?

Как ни странно считается эффективным использования словаря словоформ.  Для словоформ не обнаруженных в словаре используется алгоритм основанный на поиске корневых основ в словоформе разбитой с помощью стеминга. 

Это мне известно, как написал выше "... использую морфологический словарь ..."
Как быть со списком полученных из словаря словоформ, как из них выделить псевдокорни?

Я думаю, без словаря окончаний невозможно понять, где неизменяемая часть.

Добавлено через 3 минуты и 2 секунды
Кстати говоря, по-моему, Вы свалили в кучу несколько лексем -- "окн[о]" и "окон[ный]" -- это разные лексемы. 

Тоже из словаря... 
Простое узнавание словоформы никакой пользы не несет, значит словарь должен иметь структуру где каждая словоформа имеет ссылку на корневую основу и на инфинитив слова (к примеру "окно"). Если я неошибаюсь такой словарь генерируется с помощью словарей с правилами словообразования. У Abby вроде был такой словарик, но я не помню продают ли они еще на него лицензию или нет.

Дело в том что мне нужны "ПСЕВДОкорни" слов, а не корни

Поясню зачем:
- есть ПО выполняющее функции "поисковика" (поиск в интернете на определенных сайтах)
- есть интерфейс добавления поисковых запросов(слов)
- поисковые слова сохраняются в базе...

Вобщем я хочу в интерфейс добавления поисковых слов в ПО подключить "оптимизатор" этих поисковых слов... этот самый оптимизатор как раз и должен из любого введенного пользователем поискового слова выделить его "псевдокорень" и использовать в дальнейшем в поиске

"псевдокорень" в этом случае должен состоять из части поискового слова которая встречается во всех его словоформах

таким образом, как написано в первом посте, если например пользователь ПО захочет найти информацию на тему "ОКНО", поиск нужно будет произвести по запросам "ОКОН" и "ОКН", т.к именно эти "псевдокорни" охватывают все возможные формы слова "ОКНО"
 


Это сообщение отредактировал(а) Analitik - 12.8.2009, 21:13

Analitik, на каком языке? 

Это сообщение отредактировал(а) gcc - 14.8.2009, 10:09

gcc, на делфи.
А что за групировка?

посмотри это не оно? http://search.cpan.org/~creamyg/KinoSearch...ysis/Stemmer.pm

http://search.cpan.org/~creamyg/Lingua-Ste...tem/Snowball.pm

Это сообщение отредактировал(а) gcc - 13.8.2009, 21:00