Bakalářská práce

Využití syntaktických analyzátorů pro získávání kolokací v korpusech

Exploiting syntactic parsers for extracting collocations from corpora

Lucia Kocincová
Anotace

Práca sa zaoberá syntaktickými analyzátormi a ich praktickým využitím pri práci s korpusmi, a to konkrétne vplyvom syntaktickej analýzy na kvalitu kolokácií získaných z korpusov. V prvej časti pojednáva o rôznych prístupoch k syntaktickej analýze a predstavuje štyri rôzne nástroje -- Synt, SET, MSTParser a MaltParser -- ktoré boli v rámci praktickej časti upravené a použité pre analýzu korpusu Czes2 …více

Abstract

The thesis deals with syntactic parsers and their practical use with corpora, namely the impact of parsing on collocations extracted from corpora. The first part discusses the different approaches to parsing and presents four systems (Synt, SET, MSTParser and MaltParser) which were adapted for Czech and used for the analysis of Czes2 corpus in the practical part of the thesis. Furthermore, it reports …více

Klíčová slova
syntaktická analýza syntaktický analyzátor morfologická analýza kolokácia extrakcie kolokácií korpus Sketch Engine word sketches
Zadání práce
Automatické získávání kolokací z korpusů přirozeného jazyka je jedním ze základních předpokladů pro efektivní práci v korpusové lingvistice a počítačové lexikografii. V současnosti jsou využívány většinou různé statistické metriky v kombinaci s jednoduchými lingvistickými filtry. Využití syntaktických analyzátorů přirozeného jazyka by mohlo tuto extrakci zkvalitnit.

V oblasti extrakce kolokací z jazykových korpusů má vedoucí postavení mezi dostupnými nástroji korpusový manažer Sketch Engine, který bude v práci využíván. Tento nástroj umožňuje generování a zobrazování tzv. Word Sketches, lingvisticky motivovaných seznamů kolokací.

Student nastuduje postup použití vybraných syntaktických analyzátorů pro češtinu, včetně morfologických analyzátorů a desambiguátorů potřebných pro syntaktickou analýzu. Poté provede analýzu vybraných korpusů češtiny těmito analyzátory, převede výsledek do formátu umožňujícího generování Word Sketches a vygeneruje Word Sketches z různých syntaktických analyzátorů. Práce bude obsahovat zevrubné vyhodnocení kvality takto získaných kolokací s využitím dostupných datových souborů pro vyhodnocování kvality kolokací.

Práce je vypisována v rámci projektu OP VK s názvem Platforma výzkumné a vzdělávací spolupráce FI MU v oblasti zpracování dat, reg.č.CZ.1.07/2.4.00/12.0049, a aktivit SPP.
Administrativní informace
Práce zkontrolována:
20. 5. 2013 12:13, RNDr. Vojtěch Kovář, Ph.D., učo 139915
Plný text práce
15,6 MB / soubor PDF
Přílohy (2)
Jazyk práce
slovenština slovenština
Termín obhajoby
17. 6. 2013
Práce byla úspěšně obhájena

Vedoucí

RNDr. Vojtěch Kovář, Ph.D., učo 139915
CZPJ FI MU

Oponent

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

Literatura

  • KILGARRIFF, Adam; Vojtěch KOVÁŘ; Simon KREK; Irena SRDANOVIĆ a Carole TIBERIUS. A Quantitative Evaluation of Word Sketches. In Proceedings of the XIV Euralex International Congress. Leeuwarden: Fryske Academy, 2010, 7 s. ISBN 978-90-6273-840-3.
  • KOVÁŘ, Vojtěch; Aleš HORÁK a Miloš JAKUBÍČEK. Syntactic Analysis Using Finite Patterns: A New Parsing System for Czech. In Human Language Technology. Challenges for Computer Science and Linguistics. Berlin/Heidelberg: Springer, 2011, s. 161-171. ISBN 978-3-642-20094-6.
  • NIVRE, Joakim a Johan HALL. Maltparser: A language-independent system for data-driven dependency parsing. Proceedings of Fourth Workshop on Treebanks and Linguistic Theories. 2005, s. 13--95.
  • MCDONALD, Ryan; Fernando PEREIRA; Kiril RIBAROV a Jan HAJIČ. Non-projective dependency parsing using spanning tree algorithms. Proceedings of Human Language Technology Conference and Conference on Empirical Methods in Natural Language Processing. 2005, s. 523--530.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • 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.