D 2015

SemEval-2015 Task 15: A CPA dictionary-entry-building task

BAISA, Vít, Jane BRADBURY, Silvie CINKOVÁ, Ismaïl EL MAAROUF, Adam KILGARRIFF et. al.

Základní údaje

Originální název

SemEval-2015 Task 15: A CPA dictionary-entry-building task

Autoři

BAISA, Vít (203 Česká republika, domácí), Jane BRADBURY (826 Velká Británie a Severní Irsko), Silvie CINKOVÁ (203 Česká republika), Ismaïl EL MAAROUF (250 Francie, garant), Adam KILGARRIFF (826 Velká Británie a Severní Irsko) a Octavian POPESCU (642 Rumunsko)

Vydání

Denver, Colorado, Proceedings of the 9th International Workshop on Semantic Evaluation (SemEval 2015), od s. 315-324, 10 s. 2015

Nakladatel

Association for Computational Linguistics

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Spojené státy

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Odkazy

Kód RIV

RIV/00216224:14330/15:00083584

Organizační jednotka

Fakulta informatiky

ISBN

978-1-941643-40-2

Klíčová slova anglicky

semeval; corpus pattern analysis; concordance clustering; semantic evaluation

Štítky

Změněno: 11. 5. 2017 07:43, Mgr. et Mgr. Vít Baisa, Ph.D.

Anotace

V originále

This paper describes the first SemEval task to explore the use of Natural Language Processing systems for building dictionary entries, in the framework of Corpus Pattern Analysis. CPA is a corpus-driven technique which provides tools and resources to identify and represent unambiguously the main semantic patterns in which words are used. Task 15 draws on the Pattern Dictionary of English Verbs (www.pdev.org.uk), for the targeted lexical entries, and on the British National Corpus for the input text. Dictionary entry building is split into three subtasks which all start from the same concordance sample: 1) CPA parsing, where arguments and their syntactic and semantic categories have to be identified, 2) CPA clustering, in which sentences with similar patterns have to be clustered and 3) CPA automatic lexicography where the structure of patterns have to be constructed automatically. Subtask 1 attracted 3 teams, though none could beat the baseline (rule-based system). Subtask 2 attracted 2 teams, one of which beat the baseline (majority-class classifier). Subtask 3 did not attract any participant. The task has produced a major semantic multidataset resource which includes data for 121 verbs and about 17,000 annotated sentences, and which is freely accessible.

Návaznosti

LM2010013, projekt VaV
Název: LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat (Akronym: LINDAT-Clarin)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum
7F14047, projekt VaV
Název: Harvesting big text data for under-resourced languages (Akronym: HaBiT)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Harvesting big text data for under-resourced languages