The Study of Effect of Length in Morphological Segmentation of Agglutinative Languages

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F12%3A10130089" target="_blank" >RIV/00216208:11320/12:10130089 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The Study of Effect of Length in Morphological Segmentation of Agglutinative Languages

Popis výsledku v původním jazyce

Morph length is one of the indicative feature that helps learning the morphology of languages, in particular agglutinative languages. In this paper, we introduce a simple unsupervised model for morphological segmentation and study how the knowledge of morph length affect the performance of the segmentation task under the Bayesian framework. The model is based on (Goldwater et al., 2006) unigram word segmentation model and assumes a simple prior distribution over morph length. We experiment this model ontwo highly related and agglutinative languages namely Tamil and Telugu, and compare our results with the state of the art Morfessor system. We show that, knowledge of morph length has a positive impact and provides competitive results in terms of overall performance.

Název v anglickém jazyce

The Study of Effect of Length in Morphological Segmentation of Agglutinative Languages

Popis výsledku anglicky

Morph length is one of the indicative feature that helps learning the morphology of languages, in particular agglutinative languages. In this paper, we introduce a simple unsupervised model for morphological segmentation and study how the knowledge of morph length affect the performance of the segmentation task under the Bayesian framework. The model is based on (Goldwater et al., 2006) unigram word segmentation model and assumes a simple prior distribution over morph length. We experiment this model ontwo highly related and agglutinative languages namely Tamil and Telugu, and compare our results with the state of the art Morfessor system. We show that, knowledge of morph length has a positive impact and provides competitive results in terms of overall performance.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

R - Projekt Ramcoveho programu EK

Rok uplatnění

2012

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the First Workshop on Multilingual Modeling (MM-2012)

ISBN

978-1-937284-35-0

ISSN

—

e-ISSN

—

Počet stran výsledku

7

Strana od-do

18-24

Název nakladatele

Association for Computational Linguistics

Místo vydání

Jeju, Korea

Místo konání akce

Jeju Island, Korea

Datum konání akce

13. 7. 2012

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—