Fast syntactic searching in very large corpora for many languages

• Název česky: Rychlé syntaktické vyhledávání ve velkých korpusech pro mnoho jazyků
• Autoři: JAKUBÍČEK Miloš; RYCHLÝ Pavel; KILGARRIFF Adam; MCCARTHY Diana
• Rok publikování: 2010
• Druh: Článek ve sborníku
• Konference: PACLIC 24 Proceedings of the 24th Pacific Asia Conference on Language, Information and Computation
• Fakulta / Pracoviště MU: Fakulta informatiky
• Obor: Informatika
• Klíčová slova: corpus search; large corpora; CQL; syntactic search
• Popis: Prvním krokem pro mnoho lingvistických výzkumů je vyhledání příkladů. V 21. století by tyto příklady měly být vždy vyhledávány, nikoli vymýšleny. Proto potřebují lingvisté flexibilní nástroje pro vyhledávání i okrajových jazykových jevů. Takové vyhledávání musí být navíc rychlé i pro velké korpusy a složité dotazy. Představujeme rozšíření ke korpusovému dotazovacímu jazyku CQL pro intuitivní vytváření syntaktických dotazů a ukážeme, že tyto dotazy mohou být rychle vyhodnocovány našimi nástroji i pro korpusy o velikostech v řádech miliard pozic.

Související projekty

• Centrum komputační lingvistiky
• Právní e-slovník - PES
• Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce
• Pattern Recognition-based Statistically Enhanced MT
• Temporální aspekty znalostí a informací