Upload
stephen-daugherty
View
29
Download
2
Embed Size (px)
DESCRIPTION
Magyar nyelvi szintaktikai elemzőrendszerek. Vincze Veronika Szegedi Tudományegyetem Informatikai Tanszékcsoport. A magyar nyelv helyzete a digitális korban – Magyar nyelv- és beszédtechnológiai nap 2013. január 18. Bevezetés. - PowerPoint PPT Presentation
Citation preview
Magyar nyelvi szintaktikai elemzőrendszerek
Vincze Veronika
Szegedi TudományegyetemInformatikai Tanszékcsoport
A magyar nyelv helyzete a digitális korban – Magyar nyelv- és beszédtechnológiai nap
2013. január 18.
Bevezetés• Szintaxis: mondat szavai között
levő nyelvtani kapcsolatok (alany-ige, főnév-névutó stb.) azonosítása (gépi úton)
• Szövegek nyelvtechnológiai feldolgozásának egy lépése
Szintaxis az alkalmazásokban• A szintaktikai elemzés általában
előfeldolgozó lépés egy magasabb rendű feladathoz
• Gépi fordításTegnap az irodában Péter öt levelet írt.
TEMP LOC SUBJ OBJ VERB
Peter wrote five letters in the office yesterday.
SUBJ VERB OBJ LOC TEMP
Számítógépes szintaxis• Szabályalapú elemzés
• Statisztikai elemzés– Nagyméretű adatbázisok (treebankek)– Elemzők (parserek)– Konstituens-nyelvtan– Függőségi nyelvtan
Statisztikai szintaktikai elemzés
• Angol nyelvre kifejlesztett technológiák
• Konstituens- és függőségi alapú elemzők
• Kötött szórend vs. szabad szórend
• Nehezebb-e a magyar, mint az angol?
Magyar nyelvű szintaktikai elemzés
• Magyar:– Ragozó nyelv (gazdag morfológia)
– Szabad szórend
• Szeged (Dependencia) Treebank• 1,2M szövegszó• 82 000 mondat• Konstituensalapú és függőségi kézi
elemzés• Statisztikai elemzők betanítása és
kiértékelése
Kísérletek• Angol elemzők magyar nyelvre
történő adaptálása
• Konstituens- és függőségi elemző is elfogadható eredményeket nyújt
• Nyelvspecifikus hibák
Virtuális csomópontok• létige kijelentő mód jelen idő E/3.
alakja nem jelenik meg a felszínen:
András katona (*van).
András legyen katona!
András katona lesz.
• azonos kezelési mód:
András VAN katona.
Távoli függőségek• Összetartozó elemek távol helyezkednek
el egymástól
A fiúnak látta a kutyáját.• Melléknévi igenevek és főnévi igenevek
módosítói
A század elején jól bevált módszerhez próbálnak meg visszatérni.
Meg kívánta ragadni az alkalmat.
Összegzés• Magyar nyelvű szintaktikai elemzés
• Viszonylag jók a magyar eredmények – nem nehezebb nyelv a magyar
• Nyelvspecifikus sajátosságokra érdemes koncentrálni