Model za otkrivanje i razgraničavanje značenja višeznačnih riječi hrvatskoga jezika

master's thesis

• Title (english): Word Sense Induction and Discrimination Model for Croatian Language
• Author: Marko Bekavac
• Mentor: Jan Šnajder (mentor)
• Committee member: Jan Šnajder (predsjednik povjerenstva)
• Committee member: Siniša Šegvić (član povjerenstva)
• Committee member: Nikola Bogunović (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2014-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Automatsko otkrivanje značenja višeznačnih riječi korak je prema izgradnji kvalitetnog sustava za razrješavanje višeznačnosti u situacijama kada nije dostupan adekvatan skup značenja ili dovoljan broj njihovih konteksta. Otkrivanje značenja ovdje se obavlja nenadzirano, korištenjem grafa supojavljivanja koji modelira semantičke odnose između riječi na temelju njihovih distribucija u korpusu. U okviru ovog rada predstavljen je pregled nekoliko algoritama za grupiranje vrhova grafa, analizirane su njihove prednosti i mane te ponuđena usporedba njihovih rezultata. Graf je grupiran na kontekste višeznačne riječi, gdje svaki kontekst predstavlja jedno značenje. Također je ponuđen i jednostavan model za razrješavanje višeznačnosti koristeći prethodno određen skup značenja. Na kraju, predstavljeni su postupci evaluacije grupiranja posebno namijenjeni evaluaciji otkrivanja značenja koji ne zahtijevaju vrednovanje kroz primjenski sustav.

Abstract (english)

Automatic word sense induction is a step towards obtaining a good--quality word sense disambiguation system. It is to be used when no adequate sense inventories or their example contexts is available. Word sense induction is done using unsupervised methods, in this particular case by using a cooccurrence graphs which model semantic relations between words based on their distributions throughout the document corpora. This thesis presents a number of graph--vertice clustering algorithms, the analysis of their perks and flaws, along with the comparison of their results. The graph was clustered to represent different contexts of an ambiguous word, each context describing a usage of a single word sense. A simple word disambiguation model which uses the inducted set of senses if then presented. Methods aimed specifically to evaluate a word sense induction without any need for an indirect evaluation through application system are presented.

• Keywords: obrada prirodnog jezika; višeznačnost riječi; otkrivanje značenja riječi; razgraničavanje značenja riječi; graf supojavljivanja
• Keywords (english): natural language processing; word sense ambiguity; word sense induction; word sense discrimination; cooccurence graph
• Language: croatian
• URN:NBN: urn:nbn:hr:168:720076
• Study programme: Title: Computing; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 07:48:57