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"
Odkazy
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.