Orð og tunga - 01.06.2007, Blaðsíða 115

Orð og tunga - 01.06.2007, Blaðsíða 115
Sigrún Helgadóttir: Mörkun íslensks texta Lykilorð: mark, mörkun, markari 105 Keywords: part-of-speech tag, tagging, tagger Abstract This paper gives the results on the automatic tagging of Icelandic text, using a corpus that was prepared for the making of the Icelandic Frequency Dictionary. The corpus contains 590,297 running words with 59,358 word forms, including punctuation. Each running word has been supplied with a morphosyntactic tag and the tagset conta- ins 639 tags, including punctuation tags. Five different data-driven taggers, fnTBL, TnT, MXPOST, /i-TBL and MBT were trained on the corpus by using ten-fold cross- validation. The TnT tagger obtained best results for tagging or 90.36% accuracy. The TnT and fnTBL systems allow the use of a backup lexicon. When using such a lexicon TnT reached 91.54% tagging accuracy and fnTBL 90.06%. Methods for combining the results of the taggers were also tested. A voting method where each tagger votes its overall precision gave best result of the voting methods tested or 91.54% accuracy. By utilizing the ability of the MXPOST tagger to distinguish between noun cases, rules were composed to increase tagging accuracy to 91.81%. By using a special strategy for simplifying tags, the TnT tagger gave 91.83% tagging accuracy. Finally, the different strategies for improving tagging accuracy were applied in a certain order. The best result, 93.65% accuracy, was obtained by tagging with a backup lexicon with fnTBL and TnT, simplifying the resulting tags, voting between the simplified tags and app- lying rules based on MXPOST. Compared with the result obtained with TnT alone, the number of errors is reduced by 34%. By using a lexicon derived from the Morp- hological Description of Modem Icelandic as a backup lexicon the accuracy can be further increased. Finally an experiment was made in tagging texts that are not a part of the corpus of the lcelandic Frequency Dictionary. Sigrún Helgadóttir Stofnun Árna Magnússonar í íslenskum fræðum Neshaga 16 IS-107 Reykjavík sigrunh@lexis.hi.is
Blaðsíða 1
Blaðsíða 2
Blaðsíða 3
Blaðsíða 4
Blaðsíða 5
Blaðsíða 6
Blaðsíða 7
Blaðsíða 8
Blaðsíða 9
Blaðsíða 10
Blaðsíða 11
Blaðsíða 12
Blaðsíða 13
Blaðsíða 14
Blaðsíða 15
Blaðsíða 16
Blaðsíða 17
Blaðsíða 18
Blaðsíða 19
Blaðsíða 20
Blaðsíða 21
Blaðsíða 22
Blaðsíða 23
Blaðsíða 24
Blaðsíða 25
Blaðsíða 26
Blaðsíða 27
Blaðsíða 28
Blaðsíða 29
Blaðsíða 30
Blaðsíða 31
Blaðsíða 32
Blaðsíða 33
Blaðsíða 34
Blaðsíða 35
Blaðsíða 36
Blaðsíða 37
Blaðsíða 38
Blaðsíða 39
Blaðsíða 40
Blaðsíða 41
Blaðsíða 42
Blaðsíða 43
Blaðsíða 44
Blaðsíða 45
Blaðsíða 46
Blaðsíða 47
Blaðsíða 48
Blaðsíða 49
Blaðsíða 50
Blaðsíða 51
Blaðsíða 52
Blaðsíða 53
Blaðsíða 54
Blaðsíða 55
Blaðsíða 56
Blaðsíða 57
Blaðsíða 58
Blaðsíða 59
Blaðsíða 60
Blaðsíða 61
Blaðsíða 62
Blaðsíða 63
Blaðsíða 64
Blaðsíða 65
Blaðsíða 66
Blaðsíða 67
Blaðsíða 68
Blaðsíða 69
Blaðsíða 70
Blaðsíða 71
Blaðsíða 72
Blaðsíða 73
Blaðsíða 74
Blaðsíða 75
Blaðsíða 76
Blaðsíða 77
Blaðsíða 78
Blaðsíða 79
Blaðsíða 80
Blaðsíða 81
Blaðsíða 82
Blaðsíða 83
Blaðsíða 84
Blaðsíða 85
Blaðsíða 86
Blaðsíða 87
Blaðsíða 88
Blaðsíða 89
Blaðsíða 90
Blaðsíða 91
Blaðsíða 92
Blaðsíða 93
Blaðsíða 94
Blaðsíða 95
Blaðsíða 96
Blaðsíða 97
Blaðsíða 98
Blaðsíða 99
Blaðsíða 100
Blaðsíða 101
Blaðsíða 102
Blaðsíða 103
Blaðsíða 104
Blaðsíða 105
Blaðsíða 106
Blaðsíða 107
Blaðsíða 108
Blaðsíða 109
Blaðsíða 110
Blaðsíða 111
Blaðsíða 112
Blaðsíða 113
Blaðsíða 114
Blaðsíða 115
Blaðsíða 116
Blaðsíða 117
Blaðsíða 118
Blaðsíða 119
Blaðsíða 120
Blaðsíða 121
Blaðsíða 122
Blaðsíða 123
Blaðsíða 124
Blaðsíða 125
Blaðsíða 126
Blaðsíða 127
Blaðsíða 128
Blaðsíða 129
Blaðsíða 130
Blaðsíða 131
Blaðsíða 132
Blaðsíða 133
Blaðsíða 134
Blaðsíða 135
Blaðsíða 136
Blaðsíða 137
Blaðsíða 138
Blaðsíða 139
Blaðsíða 140
Blaðsíða 141
Blaðsíða 142
Blaðsíða 143
Blaðsíða 144
Blaðsíða 145
Blaðsíða 146
Blaðsíða 147
Blaðsíða 148
Blaðsíða 149
Blaðsíða 150
Blaðsíða 151
Blaðsíða 152
Blaðsíða 153
Blaðsíða 154
Blaðsíða 155
Blaðsíða 156
Blaðsíða 157
Blaðsíða 158
Blaðsíða 159
Blaðsíða 160
Blaðsíða 161
Blaðsíða 162
Blaðsíða 163
Blaðsíða 164
Blaðsíða 165
Blaðsíða 166
Blaðsíða 167
Blaðsíða 168
Blaðsíða 169
Blaðsíða 170
Blaðsíða 171
Blaðsíða 172
Blaðsíða 173
Blaðsíða 174
Blaðsíða 175
Blaðsíða 176
Blaðsíða 177
Blaðsíða 178
Blaðsíða 179
Blaðsíða 180
Blaðsíða 181
Blaðsíða 182
Blaðsíða 183
Blaðsíða 184

x

Orð og tunga

Beinir tenglar

Ef þú vilt tengja á þennan titil, vinsamlegast notaðu þessa tengla:

Tengja á þennan titil: Orð og tunga
https://timarit.is/publication/1210

Tengja á þetta tölublað:

Tengja á þessa síðu:

Tengja á þessa grein:

Vinsamlegast ekki tengja beint á myndir eða PDF skjöl á Tímarit.is þar sem slíkar slóðir geta breyst án fyrirvara. Notið slóðirnar hér fyrir ofan til að tengja á vefinn.