Farkas Richárd; Szeredi Dániel; Varga Dániel; Vincze Veronika: MSD-KR harmonizáció a Szeged Treebank 2.5-ben.
Előnézet |
Cikk, tanulmány, mű
msznykonf_007_349-353.pdf Letöltés (76kB) | Előnézet |
Absztrakt (kivonat)
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.
Mű típusa: | Konferencia vagy workshop anyag |
---|---|
Befoglaló folyóirat/kiadvány címe: | Magyar Számítógépes Nyelvészeti Konferencia |
Dátum: | 2010 |
Kötet: | 7 |
ISBN: | 978-963-306-075-9 |
Oldalak: | pp. 349-353 |
Konferencia neve: | Magyar Számítógépes Nyelvészeti Konferencia (7.) (2010) (Szeged) |
Befoglaló mű URL: | http://acta.bibl.u-szeged.hu/58548/ |
Kulcsszavak: | Nyelvészet - számítógép alkalmazása |
Megjegyzések: | Bibliogr.: 353. p. ; összefoglalás magyar nyelven |
Feltöltés dátuma: | 2019. jún. 20. 14:05 |
Utolsó módosítás: | 2022. nov. 08. 11:50 |
URI: | http://acta.bibl.u-szeged.hu/id/eprint/58771 |
Tétel nézet |