Building Corpora of Technical Texts : Approaches and Tools

D 2011

Building Corpora of Technical Texts : Approaches and Tools

SOJKA, Petr, Martin LÍŠKA a Michal RŮŽIČKA

Základní údaje

Originální název

Building Corpora of Technical Texts : Approaches and Tools

Název česky

Budování korpusů technických textů : přístupy a nástroje

Autoři

SOJKA, Petr (203 Česká republika, garant, domácí), Martin LÍŠKA (703 Slovensko, domácí) a Michal RŮŽIČKA (203 Česká republika, domácí)

Vydání

první. Brno, Fifth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2011, od s. 71--82, 11 s. 2011

Nakladatel

Tribun EU

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

slides full paper in PDF Workshop web page

Kód RIV

RIV/00216224:14330/11:00053999

Organizační jednotka

Fakulta informatiky

ISBN

978-80-263-0077-9

Klíčová slova česky

reprezentace matematických formulí; matematické korpusy;podobnost;MREC;DML-CZ;EuDML

Klíčová slova anglicky

language of mathematics;mathematics of language;math representation;m-term;similarity;DML-CZ;EuDML

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 21. 1. 2013 00:51, doc. RNDr. Petr Sojka, Ph.D.

Anotace

V originále

Building corpora of technical texts in Science, Technology, Engineering, and Mathematics (STEM) domain has its specific needs, especially the handling of mathematical formulae. In particular, there is no widely accepted format to represent and handle math. We present an approach based on multiple representations of mathematical formulae that has been used for math retrieval, similarity and clustering of mathematical corpus. We provide an overview of our toolset, summarize our experiments to date and propose further research directions and approaches.

Návaznosti

LC536, projekt VaV

Název: Centrum komputační lingvistiky

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Centrum komputační lingvistiky

250503, interní kód MU

Název: The European Digital Mathematics Library (Akronym: EuDML)

Investor: Evropská unie, The European Digital Mathematics Library

Citovat

SOJKA, Petr, Martin LÍŠKA a Michal RŮŽIČKA. Building Corpora of Technical Texts : Approaches and Tools. In Aleš Horák, Pavel Rychlý. Fifth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2011. první. Brno: Tribun EU, 2011, s. 71--82, 11 s. ISBN 978-80-263-0077-9.

@inproceedings{958877,
   author = {Sojka, Petr and Líška, Martin and Růžička, Michal},
   address = {Brno},
   booktitle = {Fifth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2011},
   edition = {první},
   editor = {Aleš Horák, Pavel Rychlý},
   keywords = {language of mathematics;mathematics of language;math representation;m-term;similarity;DML-CZ;EuDML},
   howpublished = {tištěná verze "print"},
   language = {eng},
   location = {Brno},
   isbn = {978-80-263-0077-9},
   pages = {71--82},
   publisher = {Tribun EU},
   title = {Building Corpora of Technical Texts : Approaches and Tools},
   url = {http://www.fi.muni.cz/usr/sojka/presentations/sojka-raslan-pres2011.pdf},
   year = {2011}
}

TY  - JOUR
ID  - 958877
AU  - Sojka, Petr - Líška, Martin - Růžička, Michal
PY  - 2011
TI  - Building Corpora of Technical Texts : Approaches and Tools
PB  - Tribun EU
CY  - Brno
SN  - 9788026300779
KW  - language of mathematics;mathematics of language;math representation;m-term;similarity;DML-CZ;EuDML
UR  - http://www.fi.muni.cz/usr/sojka/presentations/sojka-raslan-pres2011.pdf
L2  - http://www.fi.muni.cz/usr/sojka/papers/sojka-liska-ruzicka-raslan2011.pdf
N2  - Building corpora of technical texts in Science, Technology, Engineering, and Mathematics (STEM) domain has its specific needs, especially the handling of mathematical formulae. In particular, there is no widely accepted format to represent and handle math. We present an approach based on multiple representations of mathematical formulae that has been used for math retrieval, similarity and clustering of mathematical corpus. We provide an overview of our toolset, summarize our experiments to date and propose further research directions and approaches.
ER  -

SOJKA, Petr, Martin LÍŠKA a Michal RŮŽIČKA. Building Corpora of Technical Texts : Approaches and Tools. In Aleš Horák, Pavel Rychlý. \textit{Fifth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2011}. první. Brno: Tribun EU, 2011, s.~71--82, 11 s. ISBN~978-80-263-0077-9.

Podrobný výpis o publikaci