Avtomatsko luščenje hrvaško-slovenskega leksikona iz primerljivih korpusov

Fišer, Darja (author), Ljubešić, Nikola (author)

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.

• Language: Slovenian
• Keywords: slovenščina, hrvaščina, korpusno jezikoslovje, primerljivi korpusi, spletni korpusi, dvojezični leksikoni, luščenje prevodnih ustreznic, sorodnice
• Work type: Article
• Typology: 1.16 - Independent Scientific Component Part or a Chapter in a Monograph
• Organization: FF - Faculty of Arts
• Year: 2011
• Number of pages: Str. 137-144
• PID: 20.500.12556/RUL-149208
• UDC: 81'322.4=163.42=163.6:81'374:004.91
• COBISS.SI-ID: 47260258
• Publication date in RUL: 05.09.2023

Record is a part of a monograph

• Title: Meddisciplinarnost v slovenistiki
• Editors: Simona Kranjc
• Place of publishing: Ljubljana
• Publisher: Znanstvena založba Filozofske fakultete
• Year: 2011
• ISBN: 978-961-237-461-7
• COBISS.SI-ID: 258646784
• Collection title: Obdobja
• Collection numbering: 30

Secondary language

• Language: English

Abstract

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.

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