Detekce podezřelých anotací

• Název práce v češtině: Detekce podezřelých anotací
• Název v anglickém jazyce: A suspected annotation detection
• Klíčová slova: anotace, detekce chyb, strojové učení
• Klíčová slova anglicky: annotation, error detection, machine learning
• Akademický rok vypsání: 2010/2011
• Typ práce: bakalářská práce
• Jazyk práce: angličtina
• Ústav: Ústav formální a aplikované lingvistiky (32-UFAL)
• Vedoucí / školitel: doc. Mgr. Barbora Vidová Hladká, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 13.01.2011
• Datum zadání: 17.01.2011
• Datum a čas obhajoby: 20.06.2011 09:00
• Datum odevzdání elektronické podoby: 29.05.2011
• Datum odevzdání tištěné podoby: 29.05.2011
• Datum proběhlé obhajoby: 20.06.2011
• Oponenti: RNDr. Jiří Hana, Ph.D.

Zásady pro vypracování

Cílem bakalářské práce je navrhnout a implementovat proceduru, která bude odhalovat "podezřelé" anotace v ručních i automatických morfologických a syntaktických anotacích. Anotace bude klasifikována jako „podezřelá“, pokud dle stanovené míry nedosáhne stanoveného prahu správnosti. Procedura bude vycházet z několika vybraných přístupů strojového učení, zejména ze třída tzv. instance-based classifiers. K evaluaci výstupu procedury bude použit anotační nástroj Lexical annotation workbench. Pražský závislostní korpus 2.0 a Český akademický korpus 2.0 budou použity jako trénovaní a testovací data.

Seznam odborné literatury

David W. Aha, Dennis Kibler, Marc K. Albert. Instance-Based Learning Algorithms. Machine Learning Journal, vol. 6, issue 1, 1991.

Czech Academic Corpus 2.0., http://ufal.mff.cuni.cz/rest/CAC/cac_20.html.

Jirka Hana. Lexical annotation workbench, http://ufal.mff.cuni.cz/~hana/law.html.

Barbora Hladká, Jiří Králík: Proměny Českého akademického korpusu, Slovo a slovesnost 67:179-194, 2006.

Barbora Hladká a kol.: Průvodce Českým akademickým korpusem 1.0, Karolinum, 2007.

Prague Dependency Treebank 2.0, http://ufal.mff.cuni.cz/pdt2.0.