JAKUBÍČEK, Miloš a Aleš HORÁK. Punctuation Detection with Full Syntactic Parsing. Research in Computing Science, Special issue: Natural Language Processing and its Applications. Mexiko: Instituto Politécnico Nacional, roč. 46, March 2010, s. 335-343. ISSN 1870-4069. 2010.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Punctuation Detection with Full Syntactic Parsing
Název česky Detekce interpunkce pomocí hloubkové syntaktické analýzy
Autoři JAKUBÍČEK, Miloš (203 Česká republika, garant) a Aleš HORÁK (203 Česká republika).
Vydání Research in Computing Science, Special issue: Natural Language Processing and its Applications, Mexiko, Instituto Politécnico Nacional, 2010, 1870-4069.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
WWW URL
Kód RIV RIV/00216224:14330/10:00043533
Organizační jednotka Fakulta informatiky
Klíčová slova česky interpunkce; korektor pravopisu; synaktická analýza; syntaktická struktura
Klíčová slova anglicky punctuation; grammar checking; parsing; syntactic analysis
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: doc. RNDr. Aleš Horák, Ph.D., učo 1648. Změněno: 10. 11. 2010 11:12.
Anotace
The correct placement of punctuation characters is in many languages, including Czech, driven by complex guidelines. Although those guidelines use information of morphology, syntax and semantics, state-of-art systems for punctuation detection and correction are limited to simple rule-based backbones. In this paper we present a syntax-based approach by utilizing the Czech parser synt. This parser uses an adapted chart parsing technique for building the chart structure for the sentence. synt can then process the chart and provide several kinds of output information. The implemented punctuation detection technique utilizes the synt output in the form of automatic and unambiguous extraction of optimal syntactic structures from the sentence (noun phrases, verb phrases, clauses, relative clauses or inserted clauses). Using this feature it is possible to obtain information about syntactic structures related to expected punctuation placement. We also present experiments proving that this method makes it possible to cover most syntactic phenomena needed for punctuation detection or correction.
Anotace česky
Správné užívání interpunkčních znamének podléhá v mnoha jazycích, včetně češtiny, složitým pravidlům. Ačkoliv tato pravidla vycházejí z morfologie, syntaxe i sémantiky, současné aplikace pro detekci a korekci interpunkce se omezují na jednoduché pravidlové systémy. V tomto článku představujeme způsob založený na využití syntaktického analyzátoru (parseru) pro češtinu jménem synt. Tento parser používá při analýze strukturu typu chart, ze které lze dále získat různé druhy výstupů. Implementovaná technika detekce interpunkce využívá výstupu ve formě jednoznačných syntaktických struktur (jmenných a slovesných frází, jednoduchých, mj. vztažných, či obecně vložených vět). Tato funkcionalita umožňuje získání syntaktických struktur relevantních pro vkládání interpunkce. Závěrem jsou demonstrovány experimenty prokazující, že tato technika je použitelná pro pokrytí většiny syntaktických fenoménů souvisejících s detekcí interpunkce.
Návaznosti
GAP401/10/0792, projekt VaVNázev: Temporální aspekty znalostí a informací
Investor: Grantová agentura ČR, Temporální aspekty znalostí a informací
LC536, projekt VaVNázev: Centrum komputační lingvistiky
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum komputační lingvistiky
2C06009, projekt VaVNázev: 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
VytisknoutZobrazeno: 19. 4. 2024 17:53