Cro-Stem: Munjevit Hrvatski Stemmer 🚀🇭🇷

Cro-Stem je moderna, munjevit brz Rust biblioteka za morfološku normalizaciju (stemming) hrvatskog jezika. S točnošću od >91%, idealna je zamjena za spore i teške AI modele u produkcijskim sustavima.

🏆 Novo u v0.1.3: Uveden StemMode (Agresivni/Konzervativni mod) i postignuta točnost od 91.4% na testnom korpusu od 1000 riječi.

✨ Ključne Značajke

• ⚡ Munjevita brzina: Napisan u Rustu, obrađuje milijune riječi u sekundi.
• 🎯 Visoka točnost: 91.4% na korpusu od 1000 riječi (nadmašuje većinu rule-based alata).
• 🎛️ Dualni Mod Rada:
  • Aggressive: Za tražilice (Elasticsearch, Solr) - reže do korijena (knjigama -> knjig).
  • Conservative: Za NLP analizu - čuva lemu (knjigama -> knjiga).
• 📦 Zero-Dependency: Nema teških ovisnosti (PyTorch, TensorFlow). Samo 500KB.
• 🐍 Python Bindings: Jednostavna pip install integracija.

🚀 Usporedba

🛠️ Instalacija

Python

pip install cro-stem

Rust

U vašem Cargo.toml:

[dependencies]

cro_stem = "0.1.3"

📖 Korištenje

Rust

use cro_stem::{CroStem, StemMode};

fn main() {
    // Odaberite mod: Aggressive (za search) ili Conservative (za lingvistiku)
    let stemmer = CroStem::new(StemMode::Aggressive);
    
    let words = vec!["učiteljice", "najljepših", "crveniji"];
    for w in words {
        println!("{} -> {}", w, stemmer.stem(w));
    }
    // Izlaz (Aggressive):
    // učiteljice -> učitelj
    // najljepših -> ljep
    // crveniji -> crven
}

Python

import cro_stem

# Default je Agresivni mod (najbolji za pretragu)
print(cro_stem.stem("pjevajući")) 
# 'pjev'

# Za buduće verzije planiramo exposeati modove i kroz Python API
words = ["kućama", "stolovima", "čovjekom"]
stems = [cro_stem.stem(w) for w in words]
print(stems)
# ['kuć', 'stol', 'čovjek']

📜 Licenca

Ovaj projekt je licenciran pod GNU Affero General Public License v3.0 (AGPL-3.0).

To znači:

• ✅ Slobodno korištenje: Možete ga koristiti, mijenjati i dijeliti besplatno u svojim Open Source projektima (pod uvjetom da i oni koriste AGPL/GPL kompatibilnu licencu).
• ❌ Zatvoreni kod: Ako planirate koristiti CroStem u komercijalnom softveru zatvorenog koda (gdje ne želite dijeliti svoj izvorni kod), ova licenca to ne dopušta bez otvaranja vašeg koda.

💡 Komercijalna licenca: Za upotrebu u zatvorenim (proprietary) sustavima bez obveze dijeljenja koda, molimo kontaktirajte autora za kupnju Komercijalne (Enterprise) licence koja vas oslobađa AGPL obveza. **. Detalje potražite u datoteci LICENSE.