Punctuation Detection with Full Syntactic Parsing

JAKUBÍČEK, Miloš and Aleš HORÁK. Punctuation Detection with Full Syntactic Parsing. Research in Computing Science, Special issue: Natural Language Processing and its Applications. Mexiko: Instituto Politécnico Nacional, 2010, vol. 46, March 2010, p. 335-343. ISSN 1870-4069.

Basic information

Original name

Punctuation Detection with Full Syntactic Parsing

Name in Czech

Detekce interpunkce pomocí hloubkové syntaktické analýzy

Authors

JAKUBÍČEK, Miloš (203 Czech Republic, guarantor) and Aleš HORÁK (203 Czech Republic)

Edition

Research in Computing Science, Special issue: Natural Language Processing and its Applications, Mexiko, Instituto Politécnico Nacional, 2010, 1870-4069

---

Other information

Language

English

Type of outcome

Článek v odborném periodiku

Field of Study

10201 Computer sciences, information science, bioinformatics

Country of publisher

Czech Republic

Confidentiality degree

není předmětem státního či obchodního tajemství

References:

URL

RIV identification code

RIV/00216224:14330/10:00043533

Organization unit

Faculty of Informatics

Keywords (in Czech)

interpunkce; korektor pravopisu; synaktická analýza; syntaktická struktura

Keywords in English

punctuation; grammar checking; parsing; syntactic analysis

Tags

International impact, Reviewed

---

Abstract

V originále

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.

In Czech

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.

---

Links

GAP401/10/0792, research and development project	Name: Temporální aspekty znalostí a informací Investor: Czech Science Foundation
LC536, research and development project	Name: Centrum komputační lingvistiky Investor: Ministry of Education, Youth and Sports of the CR, Centrum komputační lingvistiky
2C06009, research and development project	Name: Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce (Acronym: COT-SEWing) Investor: Ministry of Education, Youth and Sports of the CR