Prótár Noémi; Nemeskey Dávid Márk: HunSimpleNews: az első autentikus magyar nyelvű szövegekből álló szövegegyszerűsítési korpusz.
Előnézet |
Cikk, tanulmány, mű
msznykonf_021_197-218.pdf Letöltés (378kB) | Előnézet |
Absztrakt (kivonat)
A tanulmány az első autentikus magyar nyelvű szövegekből álló szövegegyszerűsítési korpuszt mutatja be. A korpusz 2832 darab könnyen érthető (egyszerűsített) és standard nyelvi szövegpárból áll, melyet a PannonRTV honlapjáról gyűjtöttünk. A tanulmányban bemutatjuk a korpusz összeállításának és minőségellenőrzésének folyamatát, kitérünk a korpusz két domainje közötti kvantitatív különbségekre és hasonlóságokra, végül a korpusz alapján felmérjük az általunk elérhető, magyarul tudó nagy nyelvmodellek szövegegyszerűsítési képességét incontext tanítási környezetben. Cikkünkben kimutatjuk, hogy az egyszerűsített szövegek és a standard nyelvi szövegek között lényeges különbségek vannak, mind az általuk használt szavak varianciájában, mind pedig a mondatok hosszában. Eredményeinkből láthatóvá válik, hogy a korpusz használata one-shot és few-shot tanítási környezetben is javítja a modellek egyszerűsített kimenetét a zero-shot eredményeinkhez képest.
| Mű típusa: | Konferencia vagy workshop anyag |
|---|---|
| Rovatcím: | Korpusz, nyelvi elemzés |
| Befoglaló folyóirat/kiadvány címe: | Magyar Számítógépes Nyelvészeti Konferencia |
| Dátum: | 2025 |
| Kötet: | 21 |
| ISBN: | 978-963-688-034-7 |
| Oldalak: | pp. 197-218 |
| Nyelv: | magyar |
| Kiadó: | Szegedi Tudományegyetem TTIK, Informatikai Intézet |
| Kiadás helye: | Szeged |
| Konferencia neve: | Magyar számítógépes nyelvészeti konferencia (21.) |
| Konferencia típusa: | Konferencia |
| Helyszin: | Szeged |
| Dátum: | 2025. február 6-7. |
| Befoglaló mű URL: | https://acta.bibl.u-szeged.hu/88748/ |
| Kulcsszavak: | Nyelvészet - számítógép alkalmazása, Szövegegyszerűsítés, Korpusz |
| Megjegyzések: | Bibliogr.: p. 209-212. és a lábjegyzetekben ; összefoglalás magyar nyelven |
| Szakterület: | 01. Természettudományok 01. Természettudományok > 01.02. Számítás- és információtudomány 06. Bölcsészettudományok 06. Bölcsészettudományok > 06.02. Nyelvek és irodalom |
| Feltöltés dátuma: | 2025. nov. 12. 13:42 |
| Utolsó módosítás: | 2025. nov. 12. 13:42 |
| URI: | http://acta.bibl.u-szeged.hu/id/eprint/88782 |
 |
Tétel nézet |
