Analiza leksičke baze usluge strojnog provjernika pravopisa

završni rad

• Naslov (engleski): Lexical database analysis of an online spellchecker
• Autor: Ivan Kordić
• Mentor: Gordan Gledec (mentor)
• Član povjerenstva: Gordan Gledec (predsjednik povjerenstva)
• Član povjerenstva: Bartol Boras (član povjerenstva)
• Član povjerenstva: Kristijan Poje (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-09-02, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Analizira se leksička baza usluge ispravi.me, sustava za računalnu provjeru pravopisa koji se desetljećima razvija na Fakultetu elektrotehnike i računarstva u Zagrebu. Leksička baza usluge temelji se na n-gramskom sustavu. Kako bi se razvila mogućnost ispravljanja ne samo pravopisnih, već i gramatičkih pogrešaka, potrebno je iz n-gramske baze stvoriti bazu koja ne sadrži samo n-grame i njihove frekvencije, nego i gramatičke kategorije riječi. Ovim je radom u velikom postotku pokriven općejezični fond riječi leksičke baze usluge uporabom javno dostupnog leksikona hrLex koji sadrži gramatičke kategorije riječi. Napravljen je algoritam za jednostavnu gramatičku analizu teksta te se razmatra razvoj statističkog modela za označavanje gramatičkih kategorija riječi po uzoru na skrivene Markovljeve lance i uvjetna slučajna polja (CRF).

Sažetak (engleski)

The subject of analysis is the lexical database of the internet service ispravi.me, a system for spell-checking texts that is being developed at the Faculty of Electrical Engineering and Computing in Zagreb. The lexical database of the service is based on the n-gram system. In order to develop the possibility of correcting not only spelling, but also grammatical errors, it is necessary to create a database from the n-gram database that contains not only n-grams and their frequency, but also grammatical categories of words. A large portion of words from the database is covered using the public available lexicon hrLex which contains grammatical categories of words. An algorithm for simple grammar analysis is implemented and the development of a statistical model for marking grammatical categories of words based on hidden Markov chains and Conditional random fields in considered.

• Ključne riječi: obrada prirodnog jezika; gramatička analiza teksta; sintaksna analiza; n-grami; statistički modeli
• Ključne riječi (engleski): natural language processing; grammatical text analysis; syntax analysis; n-grams; statistical models
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:304453
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 21:06:57