Computing Idioms Frequency in Text Corpora

BUŠTA, Jan. Computing Idioms Frequency in Text Corpora. In Proceedings of Recent Advances in Slavonic Natural Language Processing 2008. Brno: Masaryk University, 2008, s. 0-0, 4 s. ISBN 978-80-210-4741-9.

Základní údaje

Originální název

Computing Idioms Frequency in Text Corpora

Název česky

Výpočet četnosti idiomů v korpusu

Autoři

BUŠTA, Jan

Vydání

Brno, Proceedings of Recent Advances in Slavonic Natural Language Processing 2008, od s. 0-0, 4 s. 2008

Nakladatel

Masaryk University

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

60200 6.2 Languages and Literature

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

URL

Označené pro přenos do RIV

Ano

Kód RIV

RIV/00216224:14330/08:00034421

Organizační jednotka

Fakulta informatiky

ISBN

978-80-210-4741-9

UT WoS

000302212600012

Klíčová slova anglicky

frequency of idioms; headwords; text corpora; czech language

Štítky

Czech language, frequency of idioms, headwords, Text Corpora

---

Anotace

V originále

The idioms are phrases which meaning is not composed from the meanings of each word in the phrase. This is one of the natural examples of violating the principle of compositionality that means that idioms are in area of natural language processing problem of meaning mining. To count the frequency of phrases such idioms in corpora has one big aim: To get to know which phrases we use often and which less. We do it to be able to start with getting the meaning of the whole phrases not just each word. This improves the understanding natural language. The idioms are phrases which meaning is not composed from the meanings of each word in the phrase. This is one of the natural examples of violating the principle of compositionality that means that idioms are in area of natural language processing problem of meaning mining. To count the frequency of phrases such idioms in corpora has one big aim: To get to know which phrases we use often and which less. We do it to be able to start with getting the meaning of the whole phrases not just each word. This improves the understanding natural language.

Česky

Idiomy jsou slovní spojení, jejichž význam se neskládá z významů jednotlivých slov. Idiomy jsou příkladem porušování principu kompozicionality a tím jsou problémem při strojovém zpracování jazyka. Výpočet četnosti idiomů v korpusu přinese informaci, které idiomy se používají častěji, které méně často. Seřazení idiomů dle jejich četnosti ukáže, na které idiomy je třeba se soustředit více, a tak lépe porozumět přirozenému jazyku.

---

Návaznosti

LC536, projekt VaV	Název: Centrum komputační lingvistiky Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum komputační lingvistiky
2C06009, projekt VaV	Název: Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce (Akronym: COT-SEWing) Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce