Diplomová práce

Automatická extrakce slovesných idiomů z korpusu

Automatic retrieval of varbal idioms from corpora

Bc. Jan Bušta, učo 172959
Anotace

Práce se zabývá porovnáním algoritmů pro automatickou extrakci idiomatických frází z korpusu, zkoumá různé přístupy pro řešení problému a do českého jazykového prostředí implementuje algoritmus A. Fazlyho a S. Stevensonové, který se zakládá na lexikální a syntaktické pevnosti vazeb v idiomech, které jsou tvořeny tranzitivním slovesem a jeho přímým předmětem.

Abstract

This thesis describes comparison of algorithms for automatic extraction of idiomatic phrases from corpora, compare different approaches and implementing the algorithm of A. Fazly and S. Stevenson into Czech language environment. This algorithm is based on lexical and syntactical fixedness of binding in idioms, which are composed from transitive verb its direct object.

Klíčová slova
idiom automatická extrakce korpus český jazyk type-based zpracování přirozeného jazyka automatic extraction corpus Czech language natural language processing
Zadání práce

Student nastuduje současné algoritmy používané pro automatické vyhledávání slovesných idiomatických frází v textových korpusech, provede jejich porovnání a následně implementuje vhodný z nich. Kromě implementace bude součástí práce i databáze extrahovaných idiomatických spojení z vybraných českých korpusů (např. SYN2000, czes), vyhodnocení správnosti pro část takto získaných dat a jejich porovnání se SČFI.

Práce je součástí projektů spojených s činností Laboratoře zpracování přirozeného jazyka a jako taková bude vyžadovat pravidelné zveřejňování dosažených výsledků ve formě souhrnné zprávy vždy na konci každého kalendářního měsíce po celou dobu řešení. Tyto zprávy budou vystaveny na webových stránkách Laboratoře. Řešiteli bude zřízen účet na hlavním serveru, případně i na pracovních stanicích Laboratoře.

Práce je vypisována v rámci projektu OP VK s názvem Platforma výzkumné a vzdělávací spolupráce FI MU v oblasti zpracování dat, reg. číslo CZ.1.07/2.4.00/12.0049, a aktivit SPP.
Administrativní informace
Práce zkontrolována:
10. 1. 2012 13:28, RNDr. Miloš Jakubíček, Ph.D., učo 172962
Plný text práce
682,1 KB / soubor PDF
Jazyk práce
čeština čeština
Termín obhajoby
7. 2. 2012
Práce byla úspěšně obhájena

Vedoucí

RNDr. Miloš Jakubíček, Ph.D., učo 172962
CZPJ KSUZD FI MU

Oponent

doc. Mgr. Pavel Rychlý, Ph.D., učo 3692
KSUZD FI MU

Literatura

  • ČERMÁK, František. Slovník české frazeologie a idiomatiky. 2. přeprac. a dopl. vyd., 1. Praha: Leda, 2009, 507 s. ISBN 9788073352158.
  • FAZLY, A a S STEVENSON. Automatically constructing a lexicon of verb phrase idiomatic combinations. In Proceedings of the 11th Conference of the European Chapter of the Association for Computational Linguistics (EACL-2006). 2006, 344 s.
  • BANNARD, Colin. A measure of syntactic flexibility for automatically identifying multiword expressions in corpora. In Proceedings of the Workshop on a Broader Perspective on Multiword Expressions. Association for Computational Linguistics, 2007, 8 s.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce
 
Název
Vložil
Vloženo
Práva
Archiv závěrečné práce Jan Bušta FI N-IN UMI, učo 172959 bjf08/7
Bušta, J.
8. 1. 2012
Složky
Soubory
Anotace anglicky annotation_english.txt
Bušta, J.
9. 1. 2012
Anotace česky annotation.txt
Bušta, J.
9. 1. 2012
Klíčová slova keywords.txt
Bušta, J.
9. 1. 2012
Plný text práce dp.pdf
Bušta, J.
9. 1. 2012
Posudek oponenta dp-busta.pdf
Rychlý, P.
2. 2. 2012
Příloha dp_priloha.tar.gz
Bušta, J.
9. 1. 2012

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.