Avtomatsko luščenje hrvaško-slovenskega leksikona iz primerljivih korpusov

Fišer, Darja (avtor), Ljubešić, Nikola (avtor)

V prispevku predstavljamo metodo za avtomatsko luščenje hrvaško-slovenskega leksikona iz primerljivega časopisnega korpusa s predpostavko, da se besede in njihove prevodne ustreznice pojavljajo v podobnih sobesedilih. Izhodiščni leksikon za primerjavo kontekstnih vektorjev z izkoriščanjem podobnosti med jezikoma zgradimo kar iz korpusa, nato pa opravimo še razvrščanje rezultatov glede na stopnjo sorodnosti med izvorno besedo in njenimi prevodnimi kandidati. Rezultati so zelo spodbudni in odpirajo številne možnosti uporabe za druge sorodne jezike.

• Jezik: Slovenski jezik
• Ključne besede: slovenščina, hrvaščina, korpusno jezikoslovje, primerljivi korpusi, spletni korpusi, dvojezični leksikoni, luščenje prevodnih ustreznic, sorodnice
• Vrsta gradiva: Članek v reviji
• Tipologija: 1.16 - Samostojni znanstveni sestavek ali poglavje v monografski publikaciji
• Organizacija: FF - Filozofska fakulteta
• Leto izida: 2011
• Št. strani: Str. 137-144
• PID: 20.500.12556/RUL-149208
• UDK: 81'322.4=163.42=163.6:81'374:004.91
• COBISS.SI-ID: 47260258
• Datum objave v RUL: 05.09.2023

Gradivo je del monografije

• Naslov: Meddisciplinarnost v slovenistiki
• Uredniki: Simona Kranjc
• Kraj izida: Ljubljana
• Založnik: Znanstvena založba Filozofske fakultete
• Leto izida: 2011
• ISBN: 978-961-237-461-7
• COBISS.SI-ID: 258646784
• Naslov zbirke: Obdobja
• Številčenje v zbirki: 30

Sekundarni jezik

• Jezik: Angleški jezik

Izvleček

In this paper we present a method for extracting a bilingual lexicon for closely related languages from comparable corpora. We take advantage of the similarities between languages to build a seed lexicon to compare context vectors in both languages and use cognates for reranking translation candidates. The results are very encouraging, suggesting that other similar languages could benefit from the same approach.

• Ključne besede: Slovenian language, Croatian language, corpus linguistics, comparable corpora, web corpora, bilingual lexica, extraction of translation equivalents, cognates, translation