2014
Finding Terms in Corpora for Many Languages with the Sketch Engine
KILGARRIFF, Adam, Miloš JAKUBÍČEK, Vojtěch KOVÁŘ, Pavel RYCHLÝ, Vít SUCHOMEL et. al.Základní údaje
Originální název
Finding Terms in Corpora for Many Languages with the Sketch Engine
Autoři
KILGARRIFF, Adam (826 Velká Británie a Severní Irsko), Miloš JAKUBÍČEK (203 Česká republika, garant, domácí), Vojtěch KOVÁŘ (203 Česká republika, domácí), Pavel RYCHLÝ (203 Česká republika, domácí) a Vít SUCHOMEL (203 Česká republika, domácí)
Vydání
Gothenburg, Sweden, Proceedings of the Demonstrations at the 14th Conferencethe European Chapter of the Association for Computational Linguistics, od s. 53-56, 4 s. 2014
Nakladatel
The Association for Computational Linguistics
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Kód RIV
RIV/00216224:14330/14:00075387
Organizační jednotka
Fakulta informatiky
ISBN
978-1-937284-75-6
Klíčová slova anglicky
terminology; terms; corpora; sketch engine
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 29. 10. 2014 09:19, RNDr. Vít Suchomel, Ph.D.
Anotace
V originále
Term candidates for a domain, in a language, can be found by • taking a corpus for the domain, and a refer- ence corpus for the language • identifying the grammatical shape of a term in the language • tokenising, lemmatising and POS-tagging both corpora • identifying (and counting) the items in each corpus which match the grammatical shape • for each item in the domain corpus, compar- ing its frequency with its frequency in the refence corpus. Then, the items with the highest frequency in the domain corpus in comparison to the reference cor- pus will be the top term candidates. None of the steps above are unusual or innova- tive for NLP (see, e. g., (Aker et al., 2013), (Go- jun et al., 2012)). However it is far from trivial to implement them all, for numerous languages, in an environment that makes it easy for non- programmers to find the terms in a domain. This is what we have done in the Sketch Engine (Kilgarriff et al., 2004), and will demonstrate. In this abstract we describe how we addressed each of the stages above.
Návaznosti
LM2010013, projekt VaV |
| ||
MUNI/A/0765/2013, interní kód MU |
|