On Disambiguation in Czech Corpora

POPELÍNSKÝ, Lubomír, Tomáš PAVELEK a Tomáš PTÁČNÍK. On Disambiguation in Czech Corpora. Brno (CZE): FI MU, 2000, 012 s.

Základní údaje

Originální název

On Disambiguation in Czech Corpora

Autoři

POPELÍNSKÝ, Lubomír, Tomáš PAVELEK a Tomáš PTÁČNÍK

Vydání

Brno (CZE), 012 s. 2000

Nakladatel

FI MU

---

Další údaje

Jazyk

angličtina

Typ výsledku

Výzkumná zpráva

Obor

20206 Computer hardware and architecture

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Kód RIV

RIV/00216224:14330/00:00002818

Organizační jednotka

Fakulta informatiky

Klíčová slova anglicky

Lemma disambiguation; Corpus; Natural language processing; Machine learning

Štítky

corpus, Lemma disambiguation, machine learning, natural language processing

---

Anotace

V originále

Lemma disambiguation means finding the basic word form, typically nominative singular for nouns or infinitive for verbs. We developed a multistrategy method for lemma disambiguation of unannotated text. The method is based on a combination of inductive logic programming and instance-based learning. We present results of the most important subtasks of lemma disambiguation for Czech language. Although no expert knowledge on Czech grammar has been used the accuracy reaches 90% with a fraction of words remaining ambiguous. We also display first results of tag disambiguation.

---

Návaznosti

VS97028, projekt VaV

Název: Laboratoř zpracování přirozeného jazyka (s aplikacemi pro podporu výuky zrakově postižených) Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Laboratoř zpracování přirozeného jazyka (s aplikacemi pro podporu výuky zrakově postižených)