Izazovi morfosintaktičkog označavanja na primjerima španjolskog i hrvatskog jezika

undergraduate thesis

• Title (english): Challenges in POS/MSD tagging with Spanish and Croatianexamples
• Author: Klara Kozolić
• Mentor: Nives Mikelić Preradović (mentor)
• Committee member: Tomislava Lauc (predsjednik povjerenstva)
• Committee member: Sanja Kišiček (član povjerenstva)
• Committee member: Nives Mikelić Preradović (član povjerenstva)
• Granter: University of Zagreb; Faculty of Humanities and Social Sciences; (Department of information and Communication sciences); Zagreb
• Defense date and country: 2021-06-28, Croatia
• Scientific / art field, discipline and subdiscipline: SOCIAL SCIENCES; Information and Communication Sciences

Abstract

Posljednjih se desetljeća sve brže razvijaju jezične tehnologije kao težnja da se jezik kao sredstvo ljudske komunikacije kodira. One ubrzavaju usvajanje jezika, ali i olakšavaju lingvistička, psihološka i ostala istraživanja. Vrlo važnu ulogu za razvoj kvalitetnih i točnih jezičnih tehnologija imaju korpusi koji se označavaju na različitim razinama, a jedna od njih je dodavanje POS ili MSD oznake riječi s obzirom na stupanj flektivnosti jezika. U ovom radu će se opisati POS i MSD označavanje i navesti poteškoće koji se općenito javljaju pri tom procesu. Kako bi primjeri bili konkretni odabran je španjolski jezik kao manje flektivni jezik i hrvatski jezik kao visoko flektivni jezik. Španjolski će biti testiran na primjerima Stanfordskog POS označivača i TreeTagger označivača putem sučelja programskog jezika Python. Isprobat će se rečenice na španjolskom iz raznih registara i s mogućim poteškoćama za označivače. Isti proces bit će ponovljen na web sučelju ReLDIanno označivača za hrvatski jezik. Usporedit će se dobiveni rezultati između španjolskih označivača i razlike u problemima kod označavanja manje flektivnih i visoko flektivnih jezika na primjerima španjolskog i hrvatskog.

Abstract (english)

During the last decades language technologies have developed at a fast rate with the purpose of coding language as a means of human communication. They are helping with the process of learning a language as well as with investigations in many fields such as linguistics and psychology. Corpora play a big role in developing high-quality and correct language technologies. They can be tagged on a few different levels, one of which is assigning POS or MSD tag to a word considering the grade of inflection in certain language. In this BA thesis POS and MSD tagging will be described as well as certain difficulties that occur during that process in general. To make the examples more concrete, the Spanish language is chosen as a language with less inflection and the Croatian language is chosen as language with high inflection. Spanish will be tested by Stanford POS Tagger and TreeTagger with the Python programming language. Spanish sentences from different registers which present possible challenges will be tested. The same process will be repeated with web interface of ReLDIanno tagger for Croatian. The results from Spanish and Croatian taggers and differences in problems between Spanish and Croatian will be compared.

• Keywords: morfosintaktičko označavanje; španjolski; hrvatski; POS oznake; MSD oznake; POS označivači
• Keywords (english): morphosyntactic tagging; Spanish; Croatian; POS tags; MSD tags; POS taggers
• Language: croatian
• URN:NBN: urn:nbn:hr:131:753936
• Study programme: Title: Information Sciences; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informacijskih znanosti (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informacijskih znanosti)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2021-07-02 15:52:33