| Title: | Automatic lemmatizer construction with focus on OOV words lemmatization |
| Other Titles: | Automatická konstrukce lematizátoru se zaměřením na lematizaci OOV slov |
| Authors: | Kanis, Jakub Müller, Luděk |
| Citation: | KANIS, Jakub; MÜLLER, Luděk. Automatic lemmatizer construction with focus on OOV words lemmatization. In: Text, speech and dialogue. Berlin: Springer, 2005, p. 132-139. (Lectures notes in computer science; 3658). ISBN 978-3-540-28789-6. |
| Issue Date: | 2005 |
| Publisher: | Springer |
| Document type: | článek article |
| URI: | http://www.kky.zcu.cz/cs/publications/KanisJ_2005_Automaticlemmatizer http://hdl.handle.net/11025/17130 |
| ISBN: | 978-3-540-28789-6 |
| Keywords: | lemmatizace;OOV slova |
| Keywords in different language: | lemmatization;OOV words |
| Abstract: | Tento článek se zabývá automatickou konstrukcí lematizátoru z Plný tvar - Lema trénovacího slovníku a lematizací nových, v trénovacím slovníku neviděných, tj. OOV slov. Jsou představeny tři metody pro lematizaci tří různých typů OOV slov (chybějící plné tvary, složená a neznámá slova). Tyto metody byly testovány pro češtinu a nejlepší výsledek dosažený jejich kombinací je precision: 99.3 % a recall: 75.1 %. Dále je také představen bezslovníkový lematizátor založený na metodě pro lematizaci neznámých slov (lematizace pomocí vzorů). |
| Abstract in different language: | This paper deals with the automatic construction of a lemmatizer from a Full Form - Lemma (FFL) training dictionary and with lemmatization of new, in the FFL dictionary unseen, i.e. out-of-vocabulary (OOV) words. Three methods of lemmatization of three kinds of OOV words (missing full forms, unknown words, and compound words) are introduced. These methods were tested on Czech test data. The best result (recall: 99.3 % and precision: 75.1 %) has been achieved by a combination of these methods. The lexicon-free lemmatizer based on the method of lemmatization of unknown words (lemmatization patterns method) is introduced too. |
| Rights: | © Jakub Kanis - Luděk Müller |
| Appears in Collections: | Články / Articles (NTIS) Články / Articles (KKY) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| KanisJ_2005_Automaticlemmatizer.pdf | Plný text | 94,21 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/17130Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.