Vícejazyčná korpusová anotace jako podpora jazykových technologií

Poskytovatel

Ministerstvo školství, mládeže a tělovýchovy

Program

KONTAKT II

Veřejná soutěž

KONTAKT II 4 (SMSM2014LH4)

Hlavní účastníci

Univerzita Karlova / Matematicko-fyzikální fakulta

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

MSMT-9919/2014-1

Název projektu anglicky

Multilingual Corpus Annotation as a Support for Language Technologies

Anotace anglicky

The aim of the project is to analyze textual (inter-sentential) relations in a large corpus of texts and to propose, implement and experimentally evaluate an annotation scheme covering: relations of coreference and association anaphora, further textual relations expressed by more complex means than discourse connectives (the so-called alternative lexicalizations) and to follow genre differences in the corpus texts. In cooperation with the US partner, a contrastive study will be carried out comparing therealization of these phenomena in Czech and in English. Other component of the project will contain experiments on the basis of the proposed schemes and their evaluation by means of methods standard in computational linguistics and, also, experiments with automatic identification of relations within weakly coherent texts.

Kategorie VaV

ZV - Základní výzkum

CEP - hlavní obor

AI - Jazykověda

CEP - vedlejší obor

IN - Informatika

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>)

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)<br>60201 - General language studies<br>60202 - Specific languages<br>60203 - Linguistics

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

V roce 2015 byla v projektu vydána data s anotací alternativních lexikálních prostředků pro vyjádření textových vztahů (např. důvodem bylo apod.; The Prague Discourse Treebank 2.0). Proběhl výzkum implicitních vztahů, koreferenčních vztahů a asociační anafory v češtině a angličtině. Konal se také česko-americký workshop vztahující se k projektu. Výsledky byly publikovány odborných periodicích.

Zahájení řešení

1. 4. 2014

Ukončení řešení

31. 12. 2016

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

18. 2. 2016

Důvěrnost údajů

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

Systémové označení dodávky dat

CEP17-MSM-LH-U/01:1

Datum dodání záznamu

23. 6. 2017

Celkové uznané náklady

1 583 tis. Kč

Výše podpory ze státního rozpočtu

1 583 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč