Repositório Digital

A- A A+

Extração de expressões multipalavra em corpora técnicos

.

Extração de expressões multipalavra em corpora técnicos

Mostrar registro completo

Estatísticas

Título Extração de expressões multipalavra em corpora técnicos
Outro título Extraction of multiword expressions in technical domains
Autor Machado, André Maranhão
Orientador Villavicencio, Aline
Data 2009
Nível Graduação
Instituição Universidade Federal do Rio Grande do Sul. Instituto de Informática. Curso de Ciência da Computação: Ênfase em Ciência da Computação: Bacharelado.
Assunto Linguagem natural
Lingüística computacional
[en] Multiword expressions
[en] Natural language processing
[en] Parallel corpora
[en] UFRGS
Resumo Expressões multipalavra (EMPs) são um dos obstáculos para a obtenção de sistemas de PLN mais precisos. Particularmente, a falta de cobertura de EMPs em recursos lexicais pode impactar negativamente na performance de tarefas e aplicações, levando a perda de informação ou erros de comunicação. Isso é especialmente problemático em domínios técnicos, onde uma parte significativa do vocabulário é composta de EMPs. Este trabalho tem por objetivo investigar o uso de diferentes métodos para a identificação de EMPs em corpora técnicos. São usadas diversas fontes de dados, incluindo um corpus paralelo, utilizando textos em português e inglês de um corpus de Pediatria. Examina-se como uma segunda língua pode fornecer informações relevantes para essas tarefa. Este trabalho é uma extensão dos artigos abaixo: Statistically-Driven Alignment-Based Multiword Expression Identification for Technical Domains publicado no Workshop on Multiword Expressions: Identification, Interpretation, Disambiguation and Applications. Singapura, 2009. Identification of Multiword Expressions in Technical Domains: Investigating Statistical and Alignment-based Approaches publicado no 7th Brazilian Symposium in Information and Human Language Technology. A Hybrid Approach for Multiword Expression Identification aceito para o International Conference on Computational Processing of Portuguese Language. 2010, Porto Alegre.
Abstract Multiword Expressions (MWEs) are one of the stumbling blocks for more precise Natural Language Processing (NLP) systems. Particularly, the lack of coverage of MWEs in resources can impact negatively on the performance of tasks and applications, and can lead to loss of information or communication errors. This is especially problematic in technical domains, where a signi cant portion of the vocabulary is composed of MWEs. This work investigates the use of di erent approaches to the identi cation of MWEs in technical corpora. We look at the use of several sources of data, including a parallel corpus, using English and Portuguese data from a corpus of Pediatrics, and examining how a second language can provide relevant cues for this task. This is an extended version of the following papers: Statistically-Driven Alignment-Based Multiword Expression Identi cation for Technical Domains published at the Workshop on Multiword Expressions: Identfiication, Interpretation, Disambiguation and Applications. 2009, Singapore .Identification of Multiword Expressions in Technical Domains: Investigating Statistical and Alignment-based Approaches published at the 7th Brazilian Symposium in Information and Human Language Technology. 2009, S~ao Carlos. A Hybrid Approach for Multiword Expression Identi cation accepted for the International Conference on Computational Processing of Portuguese Language. 2010, Porto Alegre.
Tipo Trabalho de conclusão de graduação
URI http://hdl.handle.net/10183/18526
Arquivos Descrição Formato
000730568.pdf (196.2Kb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.