Using Low-Cost Annotation to Train a Reliable Czech Shallow Parser

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14210%2F13%3A00069444" target="_blank" >RIV/00216224:14210/13:00069444 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-40585-3_72" target="_blank" >http://dx.doi.org/10.1007/978-3-642-40585-3_72</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-40585-3_72" target="_blank" >10.1007/978-3-642-40585-3_72</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Using Low-Cost Annotation to Train a Reliable Czech Shallow Parser

Popis výsledku v původním jazyce

Bushbank is a relatively new concept - a type of annotated corpus where annotation is driven by use of automatic tools and the task of human annotators is limited to accepting or rejecting parts of their output. This creates a possibility to obtain annotated corpora of considerable size at relatively low cost. In this paper we ask the question if the Czech Bushbank is reliable enough to be used for a NLP task instead of a traditional corpus with high annotation rigour. We perform evaluation of three different parsers using its shallow syntactic annotation, including a CRF chunker made originally for Polish. The results are very promising, showing that many practical applications could benefit from low-cost annotation.

Název v anglickém jazyce

Using Low-Cost Annotation to Train a Reliable Czech Shallow Parser

Popis výsledku anglicky

Bushbank is a relatively new concept - a type of annotated corpus where annotation is driven by use of automatic tools and the task of human annotators is limited to accepting or rejecting parts of their output. This creates a possibility to obtain annotated corpora of considerable size at relatively low cost. In this paper we ask the question if the Czech Bushbank is reliable enough to be used for a NLP task instead of a traditional corpus with high annotation rigour. We perform evaluation of three different parsers using its shallow syntactic annotation, including a CRF chunker made originally for Polish. The results are very promising, showing that many practical applications could benefit from low-cost annotation.

Druh

D - Stať ve sborníku

CEP obor

AI - Jazykověda

OECD FORD obor

—

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

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

9783642405846

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

575-582

Název nakladatele

Springer Berling Heidelberg

Místo vydání

Plzeň

Místo konání akce

Plzeň

Datum konání akce

1. 1. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—