20.500.12556/RUL-177747 Leveraging a morphological lexicon for a semi-automatic approach to correcting lemmas and morphosyntactic tags Uporaba oblikoslovnega leksikona pri polavtomatskem pristopu k popravljanju lem in oblikoskladenjskih oznak In the paper, we present a new semi-automatic approach to correcting lemmas and morpho-syntactic tags. Unlike previous manual annotation approaches for Slovene corpora, the new method contains an additional step in which tokens and their automatically assigned lemmas and morphosyntactic tags are cross-referenced with the set of forms included in the Sloleks Morphological Lexicon of Slovene. Based on the comparison, each token is classified into one of several annotation scenarios. The new approach has noticeably reduced the time and resources invested into annotation by eliminating a large number of redundant tasks. The advantages of this method include the possibility of dividing annotation tasks into groups consisting of simi-lar annotation problems (e.g. disambiguation of grammatical homographs). With adequate data preparation, it also drastically reduces the necessity for annotators to be familiar with the extensive Multext-East morphosyntactic tag set for Slovene, a restriction that created a bottleneck in the annotation process in similar annotation campaigns. The method was tested during the annotation process for the ROG Training Corpus of Spoken Slovene. In addition, we also test the scenario classification algorithm on the SUK Training Corpus of Written Slovene, which was annotated using the traditional sentence-by-sentence, token-by-token approach. We present the results and argue that the method should be used in future annotation campaigns to save resources and improve overall annotation consistency, while also discussing some of the caveats and disadvantages of the proposed approach. V prispevku smo zasnovali nov polavtomatski pristop k popravljanju lem in oblikoskladenjskih oznak, ki se od predhodnih ročnih pristopov razlikuje po dodatni fazi navzkrižne primerjave s Slovenskim oblikoslovnim leksikonom Sloleks. V tem koraku so pojavnice in njihove strojno pripisane oblikoskladenjske značilnosti ter leme razvrščene v označevalne scenarije, na podlagi katerih je delo mogoče razdeliti v ločene sklope. Na ta način potrebujemo precej manj časa za proučevanje označevalnih smernic po sistemu Multext-East za slovenščino, delitev na sklope podobnih nalog pa omogoča tudi, da različno izkušenih označevalcem dodelimo delo primerne težavnosti. Metodo smo preizkusili pri označevanju Učnega korpusa govorjene slovenščine ROG ter dodatno stestirali na Učnem korpusu pisne slovenščine SUK. Rezultati kažejo, da je novi pristop hitrejši in v primerjavi s predhodnimi metodami zmanjša časovni vložek s približno 500 ur na 105 ur dela (na primeru korpusa ROG), pri čemer je končni odstotek popravljenih lem in oblikoskladenjskih oznak primerljiv (4-5 % za oblikoskladenjske oznake ter 1,3 % za leme). Pri tem so problematične predvsem enakopisnice na eni strani (zlasti če še niso popisane v leksikonu) ter neleksikonske pojavnice na drugi. S posodabljanjem Slovenskega oblikoslovnega leksikona Sloleks bo metoda v prihodnje še zanesljivejša, v prihodnje pa lahko postopek še nadgradimo s proučevanjem posameznih mikronalog – opazujemo lahko, kako se strojno označevanje obnese pri določenih enakopisnicah, ter popišemo, katere so manj verjeten vir napak, kar lahko upoštevamo pri načrtovanju označevanja. lemmatization morphosyntactic tagging training corpora morphological lexicon corpus annotation lematizacija oblikoskladenjsko označevanje govorjena slovenščina korpusi govorjene slovenščine ročno označeni korpusi true false true Angleški jezik Slovenski jezik Članek v reviji 2026-01-06 10:22:02 2026-01-06 10:22:04 2026-01-07 08:59:29 0000-00-00 00:00:00 2025 0 0 Str. 135-159 št. 3 Letn. 65 2025 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 81'322 0353-0329 10.51663/pnz.65.3.06 263493891 RAZ_Cibej_Jaka_2025.pdf RAZ_Cibej_Jaka_2025.pdf 1 B550E6028832B1B99D101556822FCCB9 6c66baea3296f8bde582f49e86ee88f4a7c16934746854e4f5e1f963eb5bd497 4a0f742f-eae2-11f0-bf92-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=225035 https://ojs.inz.si/pnz/article/view/4498 1 2ab6afb5-eae1-11f0-bf92-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=225033 Fakulteta za računalništvo in informatiko 0 0 0