Korpusové zpracování korespondenčních textů : morfologické značkování

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14210%2F13%3A00066038" target="_blank" >RIV/00216224:14210/13:00066038 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Korpusové zpracování korespondenčních textů : morfologické značkování

Popis výsledku v původním jazyce

Článek shrnuje zkušenosti s korpusovým zpracováním korespondenčních textů. Pozornost je věnována především lemmatizaci, morfologickému značkování a desambiguaci textů s vysokou frekvencí substandardních jazykových jevů. Při analýze jazyka soukromé korespondence byly také využity zkušenosti získané při morfologickém značkování Brněnského mluveného korpusu. Morfologický analyzátor ajka byl doplněn o nejfrekventovanější substandardní lemmata a slovní tvary, které se vyskytly ve zkoumaných korespondenčníchtextech. V článku jsou dále popsány nutné úpravy morfologického analyzátoru, podíl ruční anotace a získané výsledky.

Název v anglickém jazyce

Corpus processing of corresponding texts : problems of morphological tagging

Popis výsledku anglicky

This article summarizes the experience with the corpus processing of the corresponding texts. Attention is paid mainly lemmatization, morphological tagging and disambiguation of texts with a high frequency of substandard linguistic phenomena. In the language analysis of private correspondence were also used experience gained in morphological tagging of Brno spoken corpus. Morphological analyzer ajka has been supplemented by the most frequent substandard lemmas and word forms that occur in the examined corresponding texts. The procedure for necessary adjustments of morphological analyzer, the proportion of manual editing and the results obtained are specified.

Druh

C - Kapitola v odborné knize

CEP obor

AI - Jazykověda

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP406%2F10%2F0823" target="_blank" >GAP406/10/0823: Soukromá korespondence 20. století. Rozšíření korpusových zdrojů, nové možnosti lingvistického využití</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 knihy nebo sborníku

Soukromá korespondence jako lingvistický pramen

ISBN

9788021061408

Počet stran výsledku

13

Strana od-do

19-31

Počet stran knihy

188

Název nakladatele

Masarykova univerzita

Místo vydání

Brno

Kód UT WoS kapitoly

—