Named entity recognition for Hungarian using various machine learning algorithms

Farkas Richárd; Szarvas György; Kocsor András: Named entity recognition for Hungarian using various machine learning algorithms. In: Acta cybernetica, (17) 3. pp. 633-646. (2006)

Előnézet

Cikk, tanulmány, mű Farkas_2006_ActaCybernetica.pdf Letöltés (163kB) | Előnézet

Absztrakt (kivonat)

In this paper we introduce a statistical Named Entity recognizer (NER) system for the Hungarian language. We examined three methods for identifying and disambiguating proper nouns (Artificial Neural Network, Support Vector Machine, C4.5 Decision Tree), their combinations and the effects of dimensionality reduction as well. We used a segment of Szeged Corpus [5] for training and validation purposes, which consists of short business news articles collected from MTI (Hungarian News Agency, www.mti.hu). Our results were presented at the Second Conference on Hungarian Computational Linguistics [7]. Our system makes use of both language dependent features (describing the orthography of proper nouns in Hungarian) and other, language independent information such as capitalization. Since we avoided the inclusion of large gazetteers of pre-classified entities, the system remains portable across languages without requiring any major modification, as long as the few specialized orthographical and syntactic characteristics are collected for a new target language. The best performing model achieved an F measure accuracy of 91.95%.

Mű típusa:	Cikk, tanulmány, mű
Befoglaló folyóirat/kiadvány címe:	Acta cybernetica
Dátum:	2006
Kötet:	17
Szám:	3
ISSN:	0324-721X
Oldalak:	pp. 633-646
Nyelv:	angol
Kiadás helye:	Szeged
Konferencia neve:	Conference on Hungarian Computational Linguistics (2.) (2004) (Szeged)
Befoglaló mű URL:	http://acta.bibl.u-szeged.hu/38521/
Kulcsszavak:	Számítástechnika, Nyelvészet - számítógép alkalmazása
Megjegyzések:	Bibliogr.: p. 645-646. ; összefoglalás angol nyelven
Szakterület:	01. Természettudományok 01. Természettudományok > 01.02. Számítás- és információtudomány
Feltöltés dátuma:	2016. okt. 15. 12:25
Utolsó módosítás:	2022. jún. 15. 13:51
URI:	http://acta.bibl.u-szeged.hu/id/eprint/12787

Bővebben:

Tétel nézet