D 2023

Development of Evidence-Based Grammars for Terminology Extraction in OneClick Terms

BLAHUŠ, Marek, Miloš JAKUBÍČEK, Michal CUKR, Vojtěch KOVÁŘ, Vít SUCHOMEL et. al.

Základní údaje

Originální název

Development of Evidence-Based Grammars for Terminology Extraction in OneClick Terms

Autoři

BLAHUŠ, Marek (203 Česká republika), Miloš JAKUBÍČEK (203 Česká republika, domácí), Michal CUKR (203 Česká republika), Vojtěch KOVÁŘ (203 Česká republika, domácí) a Vít SUCHOMEL (203 Česká republika, domácí)

Vydání

Brno, Czech Republic, Electronic lexicography in the 21st century (eLex 2023): Invisible Lexicography. Proceedings of the eLex 2023 conference, od s. 650-662, 13 s. 2023

Nakladatel

Lexical Computing CZ s.r.o.

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"

Kód RIV

RIV/00216224:14330/23:00131557

Organizační jednotka

Fakulta informatiky

ISSN

Klíčová slova anglicky

Grammars; Terminology Extraction; OneClick Terms

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 9. 4. 2024 00:12, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

This paper presents a new generation of terminology extraction grammars for the OneClick Terms system. Unlike previous grammars built using linguistic judgment, the new grammars use rules inspired by patterns frequently observed in existing terminology databases. This evidence-based approach leads to a more accurate coverage of term candidates of lexical structures typical for authentic terms. The internal variety and maximum length of recognized terms have also increased. Due to the use of techniques known from corpus linguistics in their design, the resulting grammars maximize the coverage of terms while keeping a manageable size. In the paper, we frst describe how term grammars are used in OneClick Terms (Baisa et al., 2017) to enable terminology extraction for individual languages. Then we explain the procedure which we use to design next-generation term grammars for seven languages (English, Estonian, French, German, Italian, Portuguese, Spanish). This includes studying the IATE term base (Zorrilla-Agut & Fontenelle, 2019) to derive information on the typical structure of terms in each language. Eventually, we provide fgures concerning the new term grammars and their recall of the IATE terms, and we discuss directions for further development.