Early Experiments on Automatic Annotation of Portuguese Medieval Texts

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3AM7D6CSYF" target="_blank" >RIV/00216208:11320/22:M7D6CSYF - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-031-16802-4_44" target="_blank" >https://doi.org/10.1007/978-3-031-16802-4_44</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-16802-4_44" target="_blank" >10.1007/978-3-031-16802-4_44</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Early Experiments on Automatic Annotation of Portuguese Medieval Texts

Popis výsledku v původním jazyce

This paper presents the challenges and solutions adopted to the lemmatization and part-of-speech (PoS) tagging of a corpus of Old Portuguese texts (up to 1525), to pave the way to the implementation of an automatic annotation of these Medieval texts. A highly granular tagset, previously devised for Modern Portuguese, was adapted to this end. A large text ($$sim $$∼155 thousand words) was manually annotated for PoS and lemmata and used to train an initial PoS-tagger model. When applied to two other texts, the resulting model attained 91.2% precision with a textual variant of the same text, and 67.4% with a new, unseen text. A second model was then trained with the data provided by the previous three texts and applied to two other unseen texts. The new model achieved a precision of 77.3% and 82.4%, respectively.

Název v anglickém jazyce

Early Experiments on Automatic Annotation of Portuguese Medieval Texts

Popis výsledku anglicky

This paper presents the challenges and solutions adopted to the lemmatization and part-of-speech (PoS) tagging of a corpus of Old Portuguese texts (up to 1525), to pave the way to the implementation of an automatic annotation of these Medieval texts. A highly granular tagset, previously devised for Modern Portuguese, was adapted to this end. A large text ($$sim $$∼155 thousand words) was manually annotated for PoS and lemmata and used to train an initial PoS-tagger model. When applied to two other texts, the resulting model attained 91.2% precision with a textual variant of the same text, and 67.4% with a new, unseen text. A second model was then trained with the data provided by the previous three texts and applied to two other unseen texts. The new model achieved a precision of 77.3% and 82.4%, respectively.

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

—

Návaznosti

—

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název statě ve sborníku

Linking Theory and Practice of Digital Libraries

ISBN

978-3-031-16802-4

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

442-449

Název nakladatele

Springer International Publishing

Místo vydání

—

Místo konání akce

Cham

Datum konání akce

1. 1. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000867565900044