Morphological Tags in Parallel Corpora

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11210%2F10%3A10070358" target="_blank" >RIV/00216208:11210/10:10070358 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Morphological Tags in Parallel Corpora

Popis výsledku v původním jazyce

Tagsets, used to annotate corpora, often classify word classes and morphological categories according to different criteria, even within a single language. Texts tagged in disparate ways make searching and automatic processing harder. For a parallel corpus a single "harmonized" tagset could be designed (similarly as in the project MULTEXT-East), or - even better - to encode the information from all tagsets into a morphosyntactic "interlingua" (see Dan Zeman's Interset). The parallel with natural languages is appropriate: problems with missing equivalents occur in the translation of words as well as tags. Thus we propose a tagset interlingua as a hierarchy (lattice) of categories, corrosponding to language-specific tags. A missing tag in a language canbe substituted by a more general tag or a by a disjunction of more specific tags. Similarly as with multilingual lexical databases the methods of Formal Concept Analysis can be used.

Název v anglickém jazyce

Morphological Tags in Parallel Corpora

Popis výsledku anglicky

Tagsets, used to annotate corpora, often classify word classes and morphological categories according to different criteria, even within a single language. Texts tagged in disparate ways make searching and automatic processing harder. For a parallel corpus a single "harmonized" tagset could be designed (similarly as in the project MULTEXT-East), or - even better - to encode the information from all tagsets into a morphosyntactic "interlingua" (see Dan Zeman's Interset). The parallel with natural languages is appropriate: problems with missing equivalents occur in the translation of words as well as tags. Thus we propose a tagset interlingua as a hierarchy (lattice) of categories, corrosponding to language-specific tags. A missing tag in a language canbe substituted by a more general tag or a by a disjunction of more specific tags. Similarly as with multilingual lexical databases the methods of Formal Concept Analysis can be used.

Druh

D - Stať ve sborníku

CEP obor

AI - Jazykověda

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2010

Kód důvěrnosti údajů

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

Název statě ve sborníku

InterCorp: exploring a multilingual corpus

ISBN

978-80-7422-042-5

ISSN

—

e-ISSN

—

Počet stran výsledku

30

Strana od-do

—

Název nakladatele

Nakladatelství Lidové noviny

Místo vydání

Praha

Místo konání akce

Praha

Datum konání akce

17. 9. 2009

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—