Automatická anotace angličtiny na tektogramatické rovině

• Thesis title in Czech: Automatická anotace angličtiny na tektogramatické rovině
• Thesis title in English: Automatic annotation of English on the tectogrammatical level
• Academic year of topic announcement: 2008/2009
• Thesis type: diploma thesis
• Thesis language: čeština
• Department: Institute of Formal and Applied Linguistics (32-UFAL)
• Supervisor: prof. RNDr. Jan Hajič, Dr.
• Author: hidden - assigned and confirmed by the Study Dept.
• Date of registration: 29.09.2008
• Date of assignment: 29.09.2008
• Date and time of defence: 11.05.2009 00:00
• Date of electronic submission: 11.05.2009
• Date of proceeded defence: 11.05.2009
• Opponents: doc. Ing. Zdeněk Žabokrtský, Ph.D.

Guidelines

Úkolem projektu PEDT (Prague English Dependency Treebank) je anotovat věty z PTB (Penn Treebank) na tektogramatické rovině. PTB obsahuje mnoha cenných lingvistických informací, které se však nedají přímo využít kvůli odlišnému formátu dat (např. závislostní vs. složková syntax). Existuje i několik korpusů, které rozšiřují PTB o anotaci dalších jevů (pojmenované entity, koreference atd.). Úkolem diplomanta je využít všech těchto zdrojů k přípravě dat co nejvhodnějších pro tvorbu systémů pro analýzu angličtiny. Cílem je minimalizace času potřebného k následné manuální anotaci. Součástí práce bude vyhodnocení úspěšnosti automatické anotace, které bude založeno na datech odevzdávaných anotátory a standardních evaluačních metrikách.

References

- http://www.cis.upenn.edu/~treebank/
- Marcus, M. et al (1993): Building a large annotated corpus of English: the Penn Treebank, Computational Linguistics, v.19 n.2, June 1993
- David Vadas, James Curran (2007): Adding Noun Phrase Structure to the Penn Treebank, In Proceedings of the 45th Annual Meeting of the ACL, June 2007, p. 240-247.
- http://www.ldc.upenn.edu/Catalog/docs/LDC2005T33
- Cinková, S. et al. (2006): Annotation of English on the Tectogrammatical Level, Tech. Rep.

Preliminary scope of work

Automatická konverze dat z PTB a z dalších lingvistických zdrojů do PEDT. Cílem je minimalizace času potřebného k následné manuální anotaci.

Preliminary scope of work in English

Automatic data conversion from PTB and other linguistic resources to PEDT. The goal is to minimalize the amount of time required for a subsequent manual annotation.