Rozšířený HMM tagger a jeho aplikace na morfologické značkování češtiny

• Název práce v češtině: Rozšířený HMM tagger a jeho aplikace na morfologické; značkování češtiny
• Název v anglickém jazyce: Enhanced HMM Tagger and Its Application for Czech Morphological Tagging
• Akademický rok vypsání: 2006/2007
• Typ práce: bakalářská práce
• Jazyk práce: čeština
• Ústav: Ústav formální a aplikované lingvistiky (32-UFAL)
• Vedoucí / školitel: RNDr. Jiří Mírovský, Ph.D.
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 15.10.2006
• Datum zadání: 15.10.2006
• Datum a čas obhajoby: 11.09.2007 00:00
• Datum odevzdání elektronické podoby: 11.09.2007
• Datum proběhlé obhajoby: 11.09.2007
• Oponenti: doc. Mgr. Barbora Vidová Hladká, Ph.D.

Zásady pro vypracování

Programovací jazyk: Java 1.5
Platforma: nezávislé (Java - kompatibilní)
Vstup: csts soubor s provedenou morfologickou analýzou
Výstup: csts soubor s vybranými správnými lemmaty a tagy (případně více možností u n-best), statistiky o úspěšnosti

Seznam odborné literatury

C. D. Manning and H. Schutze: Foundations of Statistical Natural Language Processing

Předběžná náplň práce

Vytvoření HMM taggeru s možností volby 'n' nejlepších průchodů ve Viterbiho algoritmu. Aplikace na morfologické značkování češtiny, ověření vlivu různě velikých trénovacích dat a nastavení parametru 'n' na úspěšnost tagování (precision, recall). Další experimenty jsou také možné, např. omezení sady tagů v historii značek a podobně.

Předběžná náplň práce v anglickém jazyce

Development of HMM tagger with the possibility of choosing n-best passes in Viterbi algorithm. Application on morphological tagging of Czech, verification of an infuence of various size of training data and of setting n-parameter on the success of the tagging (precision, recall). Other experiments are possible, too, e.g. reduction of tag set in history of tags etc.