Morfologická disambiguace češtiny pomocí Markovkých modelů

• Název práce v češtině: Morfologická disambiguace češtiny pomocí Markovkých modelů
• Název v anglickém jazyce: Disambiguation of Czech Morphology Using Markov Models
• Akademický rok vypsání: 2005/2006
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Ústav formální a aplikované lingvistiky (32-UFAL)
• Vedoucí / školitel: RNDr. Petr Podveský, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 18.10.2005
• Datum zadání: 18.10.2005
• Datum a čas obhajoby: 26.06.2006 00:00
• Datum odevzdání elektronické podoby: 26.06.2006
• Datum proběhlé obhajoby: 26.06.2006
• Oponenti: doc. Mgr. Barbora Vidová Hladká, Ph.D.

Zásady pro vypracování

Softwarový nástroj bude implementován v C/C++. Měl by fungovat v operačních systémech Windows a Linux jako program spustitelný z příkazové řádky. Parametry modelu, odkazy na trénovací a testovací soubory se budou zadávat jako parametry programu, grafické rozhraní je nad rámec požadavků.

Seznam odborné literatury

Foundations of Statistical Natural Language Processing
Christopher D. Manning, Hinrich Schutze
The MIT Press, 1999

Serial Combination of Rules and Statistics: A Case Study in Czech Tagging
Hajič J., Krbec P., Oliva K., Květoň P., Petkevič V.
In Proceedings of ACL 2001, Toulouse, France

Předběžná náplň práce

Cílem bakalářské práce je vytvořit nástroj pro automatickou disambiguaci morfologických značek. Jako matematematický aparát budou využity Markovské modely s pamětí omezenou na bezprostředně předchozí značku (tzv. bigramový model). Součástí řešení bude experimentální vyhodnocení na datech z Pražského závislostních korpusu (PDT 2.0).