Odkaz Zelliga S. Harrise: více lingvistické informace pro distribuční lexikální analýzu angličtiny a češtiny

Poskytovatel

Grantová agentura České republiky

Program

Standardní projekty

Veřejná soutěž

Standardní projekty 19 (SGA0201500001)

Hlavní účastníci

Univerzita Karlova / Matematicko-fyzikální fakulta

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

15-20031S

Název projektu anglicky

Reviving Zellig S. Harris: More linguistic information for distributional lexical analysis of English and Czech

Anotace anglicky

It is a popular truism nowadats that the distributional similarity of two words implies their semantic relatedness. This idea goes back to the American linguist Zellig S. Harris, who formulated it as the Distributional Hypothesis in the fifties, without having the computational capacity to empirically verify it. Although there are a number of working distributional semantic models, there are still many interesting problems left to solve. Based on our lexicographical experience as well as on Harris' studies on co-occurrences and transformations we hypothesize that there is still leeway for improvement in the description of the syntactic structure of a word's immediate context and want to attempt at one. We have developed a preliminary version of a rule-based tagger that explicitly records the (to our intuition) most relevant syntactic phenomena. We are ready to accomplish it and to experimentally evaluate its effect on the automatic assessment of semantic relatedness between words. We focus on English and will proceed to Czech.

Kategorie VaV

ZV - Základní výzkum

CEP - hlavní obor

AI - Jazykověda

CEP - vedlejší obor

—

CEP - další vedlejší obor

—

OECD FORD - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

60201 - General language studies<br>60202 - Specific languages<br>60203 - Linguistics

Hodnocení poskytovatelem

U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)

Zhodnocení výsledků projektu

Řešitelka splnila vytčené cíle; byly vytvořeny datové soubory, které vědecká komunita může využívat pro svůj výzkum, stejně tak i platformu Udapi. Jedinou výtkou je, že publikační výstupy jsou sice průkazné, ale méně kvalitní, protože převažují zejména výstupy v konferenčních sbornících, což neodpovídá původnímu záměru. Po formální stránce projekt splňuje pravidla GAČR.

Zahájení řešení

1. 1. 2015

Ukončení řešení

29. 11. 2019

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

11. 4. 2017

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP20-GA0-GA-U/01:1

Datum dodání záznamu

2. 7. 2020

Celkové uznané náklady

1 979 tis. Kč

Výše podpory ze státního rozpočtu

1 979 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč