Extrakce víceslovných výrazů z textu
| Název práce v češtině: | Extrakce víceslovných výrazů z textu |
|---|---|
| Název v anglickém jazyce: | Multiword expression extraction from text |
| Klíčová slova: | lexikální asociační míry, strojové učení |
| Klíčová slova anglicky: | lexical association measures, machine learning |
| Akademický rok vypsání: | 2014/2015 |
| Typ práce: | diplomová práce |
| Jazyk práce: | |
| Ústav: | Ústav formální a aplikované lingvistiky (32-UFAL) |
| Vedoucí / školitel: | doc. RNDr. Pavel Pecina, Ph.D. |
| Řešitel: |
| Zásady pro vypracování |
| Víceslovné výrazy tvoří neobyčejně zajímavou součást přirozeného jazyka. V popisu jazyka se umisťují na rozhraní slovníku a gramatiky, mají syntaktickou strukturu, ale zároveň také charakter sémantických jednotek (nedělitelný význam). Jako takové by tedy měli tvořit nedílnou součást slovníku (spolu s vyjádřením významu), např. protože pouze takto je možné jejich osvojení nerodilým mluvčím.
Automatickou konstrukci takového slovníku lze řešit použitím lexikálních asociačních měr, které slouží pro odhad míry asociace mezi slovy, a to na základě četností jejich výskytů a souvýskytů v textových korpusech. Cílem diplomové práce je návrh a implementace efektivního nástroje pro automatickou extrakci a identifikaci víceslovných spojeni v rozsáhlých textových korpusech. Řešení bude založené na principech strojového učení popsaných v [1]. |
| Seznam odborné literatury |
| [1] Pavel Pecina. Lexical Association Measures: Collocation Extraction, volume 4 of Studies in Computational and Theoretical Linguistics. UFAL, Praha, Czech Republic, 2009
[2] Chris Manning and Hinrich Schütze, Foundations of Statistical Natural Language Processing, MIT Press. Cambridge, MA.1999. [3] Eduard Bejček, Pavel Straňák. Annotation of multiword expressions in the Prague dependency treebank. Language Resources and Evaluation, vol. 44, pages: 7-21 , no. 1-2, 2010 |