Samodejno luščenje definicij iz specializiranih besedil

Fišer, Darja (author), Pollak, Senja (author), Vintar, Špela (author)

V prispevku predstavljamo novo metodo luščenja definicij iz slovenskih specializiranih besedil, ki temelji na modelu za klasifikacijo definicij, naučenem z uporabo metod strojnega učenja iz primerov v slovenski Wikipediji. Prvi korak metode zajema luščenje kandidatov s pomočjo slovenskega semantičnega leksikona, avtomatskega razpoznavanja terminov ter leksikoskladenjskih vzorcev. V drugem koraku pa z uporabo naučenega klasifikacijskega modela izmed definicijskih kandidatov izberemo "prave" definicije. Iz korpusa s področja naravoslovja smo s to metodo izluščili več kot tisoč definicijskih kandidatov ter z uporabo naučenega modela dosegli do 70-odstotno klasifikacijsko točnost.

• Language: Slovenian
• Keywords: korpusno jezikoslovje, slovenščina, luščenje definicij, luščenje informacij, računalniška obdelava naravnega jezika, strojno učenje, informacijsko poizvedovanje
• 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. 145-150
• PID: 20.500.12556/RUL-149215
• UDC: 801.8=163.6:81'322.2:004.738.5
• COBISS.SI-ID: 47262818
• Publication date in RUL: 05.09.2023

FIŠER, Darja, POLLAK, Senja and VINTAR, Špela, 2011, Samodejno luščenje definicij iz specializiranih besedil. In : Meddisciplinarnost v slovenistiki [online]. Ljubljana. p. 145–150. P. 145–150. [Accessed 11 April 2025]. Retrieved from: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=eng&id=149215

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

This paper presents a new method for definition extraction from Slovene domain-specific corpora, based on a model for definition classification learned using machine-learning methods on examples from Slovene Wikipedia. In the first step we extract definition candidates using a Slovene semantic lexicon, automatic terminology recognition and lexico-syntactic patterns. Next, we use the learned classification model to select ŽtrueŽ definitions from the set of definition candidates. The method was tested on a natural science domain corpus from which we extracted more than a thousand definition candidates and achieved up to 70% classification accuracy with the learned classification model.

• Keywords: corpus linguistics, Slovene language, definition extraction, information extraction, natural language processing, machine learning, information retrieval