LEMPAS: A Make-Do Lemmatizer for the Swedish PAROLE-Corpus

• Název česky: LEMPAS: Lematizátor pro švédský korpus PAROLE
• Autoři: CINKOVÁ Silvie; POMIKÁLEK Jan
• Rok publikování: 2006
• Druh: Článek v odborném periodiku
• Časopis / Zdroj: Prague Bulletin of Mathematical Linguistics
• Fakulta / Pracoviště MU: Fakulta informatiky
• Obor: Informatika
• Klíčová slova: LEMPAS; PAROLE; Swedish; lemmatizer; rule-based
• Popis: LEMPAS, lemmatizátor pro švédský korpus PAROLE, vznikl jako vedlejší produkt práce s aplikací Sketch Engine (Kilgarrif a spol.) na švédštině, neboť řada užitečných funkcí této aplikace, jako například tvorba word sketches, je dostupná pouze pro lemmatizované korpusy. Něměli jsme přístup k žádným lexikálním zdrojům pro švédštinu a čas pro provedení lemmatizace byl velmi omezen. Lemmatizátor tedy neměl velké ambice. Nejprve jsme se pouze snažili spojit související slovní tvary do společných pre-lemmat s použitím obecných pravidel, aniž bychom tvořili seznamy konkrétních slov. Když prvotní pravidla dávala překvapivě dobré výsledky při lemmatizaci podstatných jmen, sloves a přídavných jmen, jsme se rozhodli převést pre-lemmata na skutečná lemmata. Finální program jsme testovali na manuálně lemmatizovaném korpus SUC (Stockholm-Umea Corpus) a provedli analýzu výsledků.

Související projekty

• Inteligentní modely, algoritmy, metody a nástroje pro vytváření sémantického webu
• Centrum komputační lingvistiky
• Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce