Diplomová práce

Improvements of the tagset used for automatic morphological analysis of Czech

Bc. Vlasta Ohlídalová
Anotace

Práce se zabývá automatickou morfologickou anotací a možností jejího vylepšení pomocí změn v tagsetu. Mnohé změny v tagsetu jsou vyzkoušeny a vyhodnoceny na dvou různých datasetech (jednou automaticky a jednou ručně).

Abstract

The presented thesis addresses the automatic morphological annotation and possibility of improving its result by modifying the tagset rather than developing new algorithms. Various tagset modifications are tested and evaluated on two different datasets (once automatically and once manually).

Klíčová slova
automatic morphological analysis POS tagging tagset modifications evaluation automatická morfologická analýza vyhodnocování
Zadání práce
The aim of the thesis is to investigate potential enhancements to the Czech tagset system used by the Majka morphological analyzer in order to improve the overall tagging accuracy of part-of-speech tagging based on the tagset. As part of the thesis, the student shall learn how to train and use the RFTagger tool for part-of-speech tagging, how to develop the Czech morphological database Majka and how to evaluate the tagging accuracy to be able to perform modifications to the morphological database as well as the training and evaluation data. Such modifications should increase the tagging accuracy without sacrifying the linguistic granularity and usefulness of the morphological annotation.
Administrativní informace
Práce zkontrolována:
31. 8. 2023 11:40, RNDr. Miloš Jakubíček, Ph.D., učo 172962
Plný text práce
704,5 KB / soubor PDF
Jazyk práce
angličtina angličtina
Termín obhajoby
8. 9. 2023
Práce byla úspěšně obhájena

Vedoucí

RNDr. Miloš Jakubíček, Ph.D., učo 172962
CZPJ KSUZD FI MU

Oponent

RNDr. Vojtěch Kovář, Ph.D., učo 139915
ÚČJ FF MU

Literatura

  • ŠMERK, Pavel. Fast Morphological Analysis of Czech. In Proceedings of the Raslan Workshop 2009. Brno: Masarykova univerzita, 2009, 4 s. ISBN 978-80-210-5048-8.
  • ŠMERK, Pavel. A New Data Format for Czech Morphological Analysis. In Petr Sojka, Aleš Horák. Proceedings of Fourth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2010. Brno: Tribun EU, 2010, s. 3-8. ISBN 978-80-7399-246-0.
  • RYCHLÝ, Pavel; Pavel ŠMERK a Karel PALA. DESAM – morfologicky označkovaný korpus českých textů. 2010.
  • ŠMERK, Pavel a Pavel RYCHLÝ. Majka – rychlý morfologický analyzátor. 2009.
  • JAKUBÍČEK, Miloš; Vojtěch KOVÁŘ a Pavel ŠMERK. Czech Morphological Tagset Revisited. In Horák, Rychlý. Proceedings of Recent Advances in Slavonic Natural Language Processing 2011. Brno: Tribun EU, 2011, s. 29-42. ISBN 978-80-263-0077-9.
  • ŠMERK, Pavel. K počítačové morfologické analýze češtiny. Edited by Karel Pala. 2010, xi, 110.
Citovat tuto práci
Masarykova univerzita Filozofická fakulta
Studijní program
Plán
Počítačová lingvistika

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.