Orð og tunga - 01.06.2015, Síða 143

Orð og tunga - 01.06.2015, Síða 143
Jón Friðrik og Kristín: Kvistur: Vélræn stofnhlutagreining 131 Kristín Bjamadóttir. 2005. Afleiðsla og samsetning í generatífri málfræði oggrein- ing á íslenskum gögnum. Reykjavík: Orðabók Háskólans. Kristín Bjarnadóttir. 2012. The Database of Modern Icelandic Inflection. Proceedings of the workshop Lmiguage Technology for Normalization of Less- Resourced Languages, SaLTMiL 8 - AfLaT, LREC 2012, bls. 13-18. Istanbúl. Magnús Snædal. 1992. Hve langt má orðið vera? íslenskt mál 14:173-207. Mannanafnanefnd. 2005. Úrskurður nr. 59/2005. http://www.urskurdir.is/ DomsOgKirkjumala/Mannanafnanefnd/2005/06. Mörkuð íslensk málheild (MIM). Ritstj. Sigrún Helgadóttir. mim.arnastofnun. is. Ritmálssafn Orðabókar Háskólans. http://www.arnastofnun.is/page/gagna- sofn_ritmalssafn. Schiller, A. 2005. German Compound Analysis with wfsc. Proceedings of the Fifth International Workshop of Finite State Methods in Natural Language Processing (FSMNLP), bls. 239-246. Helsinki. Sigrún Helgadóttir, Ásta Svavarsdóttir, Eiríkur Rögnvaldsson, Kristín Bjarnadóttir og Hrafn Loftsson. 2012. The Tagged Icelandic Corpus (MÍM). Proceedings of the SaLTMiL-AfLaT Workshop on "Language technol- ogyfor normalisation ofless-resourced languages", 8th International Conference on Language Resources and Evaluation (LREC 2012). Istanbúl. timarit.is Lykilorð máltækni, orðskipting, stofnhlutagreining, samsett orð Keywords language technology, decompounding, constituent structure, Icelandic compounds Abstract Compounding is extremely productive in Icelandic and multi-word compounds are common. The likelihood of finding previously unseen compounds in texts is thus very high, which makes out-of-vocabulary words a problem in the use of NLP tools. Kvistur, the decompounder described in this paper, splits Icelandic compounds and shows their binary constituent stmcture. The probability of a constituent in an un- known (or unanalysed) compound forming a combined constituent with either of its neighbours is estimated, with the use of data on the constituent structure of over 240 thousand compounds from the Database ofModern lcelandic Inflection (Kristín Bjama- dóttir 2012), and word frequencies from lslenskur orðasjóður, a corpus of approx. 550 million words. Thus, the structure of an unknown compound is derived by com- parison with compounds with partially the same constituents and similar structure in the training data. The granularity of the split returned by the decompounder is
Síða 1
Síða 2
Síða 3
Síða 4
Síða 5
Síða 6
Síða 7
Síða 8
Síða 9
Síða 10
Síða 11
Síða 12
Síða 13
Síða 14
Síða 15
Síða 16
Síða 17
Síða 18
Síða 19
Síða 20
Síða 21
Síða 22
Síða 23
Síða 24
Síða 25
Síða 26
Síða 27
Síða 28
Síða 29
Síða 30
Síða 31
Síða 32
Síða 33
Síða 34
Síða 35
Síða 36
Síða 37
Síða 38
Síða 39
Síða 40
Síða 41
Síða 42
Síða 43
Síða 44
Síða 45
Síða 46
Síða 47
Síða 48
Síða 49
Síða 50
Síða 51
Síða 52
Síða 53
Síða 54
Síða 55
Síða 56
Síða 57
Síða 58
Síða 59
Síða 60
Síða 61
Síða 62
Síða 63
Síða 64
Síða 65
Síða 66
Síða 67
Síða 68
Síða 69
Síða 70
Síða 71
Síða 72
Síða 73
Síða 74
Síða 75
Síða 76
Síða 77
Síða 78
Síða 79
Síða 80
Síða 81
Síða 82
Síða 83
Síða 84
Síða 85
Síða 86
Síða 87
Síða 88
Síða 89
Síða 90
Síða 91
Síða 92
Síða 93
Síða 94
Síða 95
Síða 96
Síða 97
Síða 98
Síða 99
Síða 100
Síða 101
Síða 102
Síða 103
Síða 104
Síða 105
Síða 106
Síða 107
Síða 108
Síða 109
Síða 110
Síða 111
Síða 112
Síða 113
Síða 114
Síða 115
Síða 116
Síða 117
Síða 118
Síða 119
Síða 120
Síða 121
Síða 122
Síða 123
Síða 124
Síða 125
Síða 126
Síða 127
Síða 128
Síða 129
Síða 130
Síða 131
Síða 132
Síða 133
Síða 134
Síða 135
Síða 136
Síða 137
Síða 138
Síða 139
Síða 140
Síða 141
Síða 142
Síða 143
Síða 144
Síða 145
Síða 146
Síða 147
Síða 148
Síða 149
Síða 150
Síða 151
Síða 152
Síða 153
Síða 154
Síða 155
Síða 156
Síða 157
Síða 158
Síða 159
Síða 160
Síða 161
Síða 162
Síða 163
Síða 164
Síða 165
Síða 166
Síða 167
Síða 168
Síða 169
Síða 170
Síða 171
Síða 172
Síða 173
Síða 174
Síða 175
Síða 176
Síða 177
Síða 178
Síða 179
Síða 180

x

Orð og tunga

Beinleiðis leinki

Hvis du vil linke til denne avis/magasin, skal du bruge disse links:

Link til denne avis/magasin: Orð og tunga
https://timarit.is/publication/1210

Link til dette eksemplar:

Link til denne side:

Link til denne artikel:

Venligst ikke link direkte til billeder eller PDfs på Timarit.is, da sådanne webadresser kan ændres uden advarsel. Brug venligst de angivne webadresser for at linke til sitet.