Archiv závěrečné práce Miloš Jakubíček FI B-IN BcIN

Mgr. Miloš Jakubíček

Extrakce strukturních informací z běžného textu na základě syntaktického analyzátoru

Structural Information Extraction from Common Texts Based on Syntactic Parser

Anotace: Práce popisuje využití syntaktického analyzátoru synt, vyvíjeného v Laboratoři zpracování přirozeného jazyka FI MU, k získání informací o syntaktických strukturách běžných vět v českém jazyce (jako jsou např. jmenné či slovesné skupiny), které z pohledu syntaktické analýzy zpravidla odpovídají neterminálům v gramatice, na základě které hledá analyzátor možná platná odvození zadané věty. Tento syntaktický analyzátor byl rozšířen tak, aby stávající výstup využil k extrakci těchto syntaktických struktur a umožnil různým způsobem jejich identifikaci. Za tímto účelem byly v analyzátoru rozpracovány i některé dosud nevyužité výsledky syntaktické analýzy, jež umožňují další zpřesnění morfologické analýzy, a tím i větší rozčlenění syntaktických (pod)struktur. …víceméně

Abstract: This thesis describes the utilization of syntactic parser synt (developed in the Natural language processing laboratory at FI MU) to gain information about syntactic structures (such as noun or verb phrases) of common sentences in Czech. These structures are from the analysis point of view usually identical to non-terminals in the grammar used by the parser to be searched for possible valid derivations of given sentence. This syntactic parser has been extended in such a way that enables the current output to be used to extracting those syntactic structures and give several ways how to identify them. To achieve this, some previously unused results of syntactic analysis have been evolved which led to more accurately morphological analysis and hence also deeper distinction among various syntactic (sub)structures. …víceméně

syntaktická analýza, syntaktické struktury, morfologická analýza, desambiguace, extrakce struktur, zpracování přirozeného jazyka, syntactic analysis, parsing, syntactic structures, morphological analysis, desambiguation, extraction of structures, natural language processing

Zadání: V (http://nlp.fi.muni.cz) Laboratoři zpracování přirozeného jazyka je vyvíjen automatický syntaktický analyzátor bežných textů s názvem (http://nlp.fi.muni.cz/projekty/wwwsynt/) synt. Tento nástroj umí rychle poskytnout nejednoznačnou strukturu o stromové reprezentaci vstupní věty zvanou chart. Z této struktury není v současnosti možné jednoduše vybrat jeden správný strom analýzy, ale je možné zjišťovat označení podstruktur vstupní věty, jako jsou jmenné skupiny, vedlejší věty apod.

Úkolem práce je implementovat automatický systém, který na základě výsledků syntaktické analýzy vstupní věty (v podobě struktury chart) vybere a označí důležité zmíněné podstruktury v této větě. Podstruktury prakticky odpovídají neterminálním uzlům ve výstupu, implementovaný systém se ovšem musí vypořádat s tím, že tyto struktury samozřejmě nejsou ve výstupu jednoznačné. V práci má být navrženo a implementováno několik možností jak vybrat z nejednoznačného výstupu analýzy jednoznačné označení zvolených podstruktur. Výsledek práce potom najde přímé uplatnění v mnoha algoritmech pro Information Extraction, kde není nutná úplná syntaktická analýza a kde postačují právě tyto označené podstruktury. …víceméně

Jazyk práce: čeština