Normalization of Vietnamese Tweets on Twitter

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F15%3A86096573" target="_blank" >RIV/61989100:27240/15:86096573 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-21206-7_16" target="_blank" >http://dx.doi.org/10.1007/978-3-319-21206-7_16</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-21206-7_16" target="_blank" >10.1007/978-3-319-21206-7_16</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Normalization of Vietnamese Tweets on Twitter

Popis výsledku v původním jazyce

We study a task of noisy text normalization focusing on Vietnamese tweets. This task aims to improve the performance of applications mining or analyzing semantics of social media contents as well as other social network analysis applications. Since tweets on Twitter are noisy, irregular, short and consist of acronym, spelling errors, processing those tweets is more challenging than that of news or formal texts. In this paper, we proposed a method that aims to normalize Vietnamese tweets by detecting non-standard words as well as spelling errors and correcting them. The method combines a language model with dictionaries and Vietnamese vocabulary structures. We build a dataset including 1,360 Vietnamese tweets to evaluate the proposed method. Experimentresults show that our method achieved encouraging performance with 89% F1-Score. (C) Springer International Publishing Switzerland 2015.

Název v anglickém jazyce

Normalization of Vietnamese Tweets on Twitter

Popis výsledku anglicky

We study a task of noisy text normalization focusing on Vietnamese tweets. This task aims to improve the performance of applications mining or analyzing semantics of social media contents as well as other social network analysis applications. Since tweets on Twitter are noisy, irregular, short and consist of acronym, spelling errors, processing those tweets is more challenging than that of news or formal texts. In this paper, we proposed a method that aims to normalize Vietnamese tweets by detecting non-standard words as well as spelling errors and correcting them. The method combines a language model with dictionaries and Vietnamese vocabulary structures. We build a dataset including 1,360 Vietnamese tweets to evaluate the proposed method. Experimentresults show that our method achieved encouraging performance with 89% F1-Score. (C) Springer International Publishing Switzerland 2015.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název statě ve sborníku

Advances in intelligent systems and computing. Volume 370

ISBN

978-3-319-21205-0

ISSN

2194-5357

e-ISSN

—

Počet stran výsledku

11

Strana od-do

1789-189

Název nakladatele

Springer

Místo vydání

Basel

Místo konání akce

Ostrava

Datum konání akce

29. 6. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—