Improving Dependency Parsing by Filtering Linguistic Noise

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11210%2F13%3A10188878" target="_blank" >RIV/00216208:11210/13:10188878 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007%2F978-3-642-40585-3_37" target="_blank" >http://link.springer.com/chapter/10.1007%2F978-3-642-40585-3_37</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-40585-3_37" target="_blank" >10.1007/978-3-642-40585-3_37</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Improving Dependency Parsing by Filtering Linguistic Noise

Popis výsledku v původním jazyce

In this paper, we describe a way to improve stochastic dependency parsing by simplifying both the training data and new text to be parsed. Many parsing errors are due to limited size of the training data, where most of the words of a given language occurseldom or not at all, thus the parser cannot learn their syntactic properties. By defining narrow classes of words with identical syntactic properties and replacing members of these classes by one representative, we facilitate language modeling done bythe parser and improve its accuracy. In our experiment, a 17.8%decrease in forms variability in the training data of the Czech dependency treebank PDT led to a 8.1% relative error reduction.

Název v anglickém jazyce

Improving Dependency Parsing by Filtering Linguistic Noise

Popis výsledku anglicky

In this paper, we describe a way to improve stochastic dependency parsing by simplifying both the training data and new text to be parsed. Many parsing errors are due to limited size of the training data, where most of the words of a given language occurseldom or not at all, thus the parser cannot learn their syntactic properties. By defining narrow classes of words with identical syntactic properties and replacing members of these classes by one representative, we facilitate language modeling done bythe parser and improve its accuracy. In our experiment, a 17.8%decrease in forms variability in the training data of the Czech dependency treebank PDT led to a 8.1% relative error reduction.

Druh

D - Stať ve sborníku

CEP obor

AI - Jazykověda

OECD FORD obor

—

Projekt

<a href="/cs/project/GA13-27184S" target="_blank" >GA13-27184S: Treebank češtiny na základě gramatiky</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Text, Speech, and Dialogue

ISBN

978-3-642-40584-6

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

7

Strana od-do

288-294

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Plzeň

Datum konání akce

1. 9. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—