Zahvale i licencije

ispravi.me se temelji na Hašeku, rječnicima i pravilima koje je FER razvijao od 1993. godine. Uz to koristimo i javno dostupne jezične alate i modele. Zahvaljujemo njihovim autorima i navodimo ih ovdje s licencijama.

CLASSLA

Za gramatičku analizu rečenica (oznake vrsta riječi, osnovni oblici, sintaktička struktura) koristimo CLASSLA-Stanza, alat Instituta „Jožef Stefan” i infrastrukture CLARIN.SI, nastao na temelju Stanze Sveučilišta Stanford. Program je pod licencijom Apache 2.0, a hrvatski modeli pod licencijom Imenovanje-Dijeli pod istim uvjetima 4.0 (CC BY-SA 4.0). Koristimo ih bez izmjena.

• Luka Terčon, Nikola Ljubešić: The CLASSLA-Stanza model for UD dependency parsing of standard Croatian 2.1, Institut „Jožef Stefan”, 2023.
• Luka Terčon, Nikola Ljubešić: The CLASSLA-Stanza model for lemmatisation of standard Croatian 2.1, Institut „Jožef Stefan”, 2023.
• Luka Terčon, Nikola Ljubešić: The CLASSLA-Stanza model for morphosyntactic annotation of standard Croatian 2.1, Institut „Jožef Stefan”, 2023.
• Luka Terčon, Nikola Ljubešić, Vanja Štefanec: The CLASSLA-Stanza model for morphosyntactic annotation of non-standard Croatian 2.1, Institut „Jožef Stefan”, 2023.
• Nikola Ljubešić: The CLASSLA-StanfordNLP model for named entity recognition of standard Croatian 1.0, Institut „Jožef Stefan”, 2020.

Rad: Nikola Ljubešić, Luka Terčon, Kaja Dobrovoljc (2024.), CLASSLA-Stanza: The Next Step for Linguistic Processing of South Slavic Languages, JT-DH-2024. doi:10.5281/zenodo.13936406.

BERTić

Za prepoznavanje riječi koje ne pristaju u kontekst koristimo jezični model BERTić, koji su Nikola Ljubešić i Davor Lauc naučili na više od osam milijardi riječi bosanskih, hrvatskih, crnogorskih i srpskih tekstova (licencija Apache 2.0). Vlastitu inačicu modela dodatno smo prilagodili provjeri pravopisa.

Rad: Nikola Ljubešić, Davor Lauc (2021.), BERTić – The Transformer Language Model for Bosnian, Croatian, Montenegrin and Serbian, 8th Workshop on Balto-Slavic Natural Language Processing. Modeli: classla/bcms-bertic i classla/bcms-bertic-generator.

KenLM

Za ocjenu koliko je neka riječ vjerojatna u svojoj okolini koristimo biblioteku KenLM Kennetha Heafielda (licencija GNU LGPL 2.1 ili novija).

Rad: Kenneth Heafield (2011.), KenLM: Faster and Smaller Language Model Queries, 6th Workshop on Statistical Machine Translation. Izvorni kod: github.com/kpu/kenlm.

Ostali alati

Usluga koristi i PyTorch (BSD), Hugging Face Transformers (Apache 2.0), reldi-tokeniser (Apache 2.0) te Obeliks (MIT), svaki prema svojoj licenciji.