Data Conversion and Consistency of Monolingual Corpora: Russian UD Treebanks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F18%3A10390144" target="_blank" >RIV/00216208:11320/18:10390144 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.ep.liu.se/ecp/155/ecp18155.pdf" target="_blank" >http://www.ep.liu.se/ecp/155/ecp18155.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Data Conversion and Consistency of Monolingual Corpora: Russian UD Treebanks

Popis výsledku v původním jazyce

In this paper we focus on syntactic annotation consistency within Universal Dependencies (UD) treebanks for Russian: UD_Russian-SynTagRus, UD_Russian-GSD, UD_Russian-Taiga, and UD_Russian-PUD. We describe the four treebanks, their distinctive features and development. In order to test and improve consistency within the treebanks, we reconsidered the experiments by Martínez Alonso and Zeman; our parsing experiments were conducted using a state-of-the-art parser that took part in the CoNLL 2017 Shared Task. We analyze error classes in functional and content relations and discuss a method to separate the errors induced by annotation inconsistency and those caused by syntactic complexity and other factors.

Název v anglickém jazyce

Data Conversion and Consistency of Monolingual Corpora: Russian UD Treebanks

Popis výsledku anglicky

In this paper we focus on syntactic annotation consistency within Universal Dependencies (UD) treebanks for Russian: UD_Russian-SynTagRus, UD_Russian-GSD, UD_Russian-Taiga, and UD_Russian-PUD. We describe the four treebanks, their distinctive features and development. In order to test and improve consistency within the treebanks, we reconsidered the experiments by Martínez Alonso and Zeman; our parsing experiments were conducted using a state-of-the-art parser that took part in the CoNLL 2017 Shared Task. We analyze error classes in functional and content relations and discuss a method to separate the errors induced by annotation inconsistency and those caused by syntactic complexity and other factors.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA15-10472S" target="_blank" >GA15-10472S: Morfologicky a syntakticky anotované korpusy mnoha jazyků</a><br>

Návaznosti

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

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 17th International Workshop on Treebanks and Linguistic Theories (TLT 2018)

ISBN

978-91-7685-137-1

ISSN

1650-3740

e-ISSN

neuvedeno

Počet stran výsledku

14

Strana od-do

53-66

Název nakladatele

Linköping University Electronic Press

Místo vydání

Linköping, Sweden

Místo konání akce

Oslo, Norway

Datum konání akce

13. 12. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—