MSD-KR harmonizáció a Szeged Treebank 2.5-ben

Farkas, Richárd and Szeredi, Dániel and Varga, Dániel and Vincze, Veronika: MSD-KR harmonizáció a Szeged Treebank 2.5-ben. Magyar Számítógépes Nyelvészeti Konferencia, (5). pp. 349-353. (2010)

[img] Cikk, tanulmány, mű
msznykonf_007_349-353.pdf

Download (76kB)

Abstract

A magyar morfológiai erforrások közül az egyik legelterjedtebben használt a morphdb.hu, amelynek morfológiai annotációs formalizmusa az úgynevezett KR-kódolás. A legnagyobb, kézzel egyértelmsített magyar nyelvi korpusz, a Szeged Treebank kódrendszere ezzel szemben az MSD-kódolást követi. A két kódolás nem kompatibilis egymással. Ez azt jelenti, hogy ha egy statisztikus módszerekkel tanított nyelvi elemz komponensben (POS-tagger, konstituenselemz, dependenciaelemz stb.) mindkét erforrást ki kívánjuk aknázni, akkor nehézkes, információvesztéssel járó konverziós mveleteket kell végeznünk. Ebben a munkában beszámolunk a két kódrendszer (MSD és KR) közös nevezre hozásáról, harmonizációjáról, amely megoldja a fenti problémát. A munka mindkét erforrásban alapvet átalakításokkal járt. A konfliktusok nagyobb részében a harmonizációt közös finomítással igyekeztünk elvégezni, melynek hozadékaként jelents mennyiség manuális munka befektetésével a Szeged Treebank 2.5 által hordozott morfológiai információ részletgazdagabbá vált az elz verziókhoz képest.

Item Type: Article
Event Title: Magyar Számítógépes Nyelvészeti Konferencia (7.) (2010) (Szeged)
Journal or Publication Title: Magyar Számítógépes Nyelvészeti Konferencia
Date: 2010
Volume: 5
Page Range: pp. 349-353
ISBN: 978-963-306-075-9
Uncontrolled Keywords: Nyelvészet - számítógép alkalmazása
Additional Information: Bibliogr.: 353. p. ; összefoglalás magyar nyelven
Date Deposited: 2019. Jun. 20. 14:05
Last Modified: 2019. Jun. 20. 14:05
URI: http://acta.bibl.u-szeged.hu/id/eprint/58771

Actions (login required)

View Item View Item