Building Croatian Medical Dictionary from Medical Corpus

Znanstveni rad - Prethodno/kratko priopćenje

• Naslov (hrvatski): Izrada hrvatskoga medicinskog rječnika iz medicinskoga korpusa
• Autor: Kristina Kocijan https://orcid.org/0000-0001-9467-5313
• Autor: Silvia Kurolt
• Autor: Linda Mijić
• Autorova ustanova: Sveučilište u Zadru; (Odjel za klasičnu filologiju)
• Autorova ustanova: Sveučilište u Zagrebu; Filozofski fakultet; (Odsjek za informacijske i komunikacijske znanosti)
• Znanstveno / umjetničko područje, polje i grana: DRUŠTVENE ZNANOSTI; Informacijske i komunikacijske znanosti

Sažetak (engleski)

The overall objective of this project is to define linguistic models at the lexical and syntactic levels that appear in the health domain, depending on the type of corpus. In the first phase of the project, the texts forming the medical corpus A – MedCorA (2,232 pharmaceutical instructions for medicaments available in Croatia) were prepared. The terminology found in this corpus was analyzed and the semantic subdomains (anatomy, condition, microorganism, chemistry, etc.) within the medical domain were defined and added to the dictionary entries. These dictionary resources were used as the foundation for the second phase in which NooJ morphological grammars were built allowing annotation of medical terminology in the corpus. Said grammars were built to allow for recognizing Latinisms, as well as Latin expressions written with Croatian case endings, not only Croatian words. Prepared resources are made available to a broader scientific community via Sketch Engine for further research in the field of medicine enabling additional research and development of algorithms for, among others, medical documents classification, medical texts’ information retrieval or machine translation of medical documentation, taking into account quality and reliability as well as terminology variability.

Sažetak (hrvatski)

Osnovni je cilj ovoga projekta definiranje leksičkih i sintaktičkih jezičnih modela koji se pojavljuju u području medicine, a ovisno o vrsti korpusa. U prvoj fazi projekta prikupljeni su tekstovi koji čine medicinski korpus A – MedCorA (2232 farmaceutske upute za lijekove dostupne u Hrvatskoj). Nazivlje je iz korpusa analizirano, a potom su definirane semantičke poddomene (anatomija, stanja, mikroorganizmi, kemija itd.) unutar medicinske domene. Semantičke su oznake dodane u rječnik, gdje su poslužile kao osnova za drugu fazu projekta u kojoj su izrađene i NooJ morfološke gramatike za prepoznavanje i označavanje latinizama kao i latinskih izraza koji se koriste hrvatskim padežnim nastavcima.
Pripremljeni resursi stavljaju se na raspolaganje široj znanstvenoj zajednici putem SketchEnginea za daljnja istraživanja u području obrade jezika i medicine, omogućujući pritom nova istraživanja i razvoj algoritama za, među ostalim, klasifikaciju medicinskih dokumenata, pronalaženje podataka u medicinskim tekstovima, prevođenje medicinske dokumentacije, a uzimajući u obzir kvalitetu i pouzdanost podataka, ali i terminološku varijabilnost.

• Ključne riječi (engleski): language processing; semantic annotations; medical domain; NooJ; Croatian
• Ključne riječi (hrvatski): obrada jezika; semantičke oznake; medicinska domena; NooJ; hrvatski jezik
• Jezik: engleski
• Vrsta publikacije: Znanstveni rad - Prethodno/kratko priopćenje
• Status objave: Objavljen
• Vrsta recenzije: Recenziran
• Verzija publikacije: Objavljena verzija rada (izdavačev PDF)
• Naslov časopisa: Rasprave: Časopis Instituta za hrvatski jezik i jezikoslovlje
• Brojčani podaci: vol. 46, br. 2, str. 765-782
• p-ISSN: 1331-6745
• e-ISSN: 1849-0379
• DOI: https://doi.org/10.31724/rihjj.46.2.17
• URN:NBN: urn:nbn:hr:131:854666
• Datum objave publikacije: 2020
• URL dokumenta: https://hrcak.srce.hr/245468
• Vrsta resursa: Tekst
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2020-11-07 00:18:09