2010
Punctuation Detection with Full Syntactic Parsing
JAKUBÍČEK, Miloš a Aleš HORÁKZákladní 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
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
Odkazy
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
Změněno: 10. 11. 2010 11:12, doc. RNDr. Aleš Horák, Ph.D.
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.
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 VaV |
| ||
LC536, projekt VaV |
| ||
2C06009, projekt VaV |
|