SASA Dictionary as the Gold Standard for Good Dictionary Examples for Serbian

Објеката

Тип
Рад у зборнику
Верзија рада
објављена
Језик
енглески
Креатор
Ranka Stanković, Branislava Šandrih, Rada Stijović, Cvetana Krstev, Duško Vitas, Aleksandra Marković
Извор
Electronic lexicography in the 21st century. Proceedings of the eLex 2019 conference
Уредник
Kosem, I et. al.
Издавач
Lexical Computing CZ, s.r.o.
Датум издавања
2019
Сажетак
У овом раду представљамо модел за избор добрих примера за речник српског језика и развој иницијалних компоненти модела. Метода која се користи заснива се на детаљној анализи различитих лексичких и синтактичких карактеристика у корпусу састављених од примера из пет дигитализованих свезака речника САНУ. Почетни скуп функција био је инспирисан сличним приступом и за друге језике. Дистрибуција карактеристика примера из овог корпуса упоређује се са карактеристиком дистрибуције узорака реченица ексцерпираних из корпуса који садрже различите текстове. Анализа је показала да постоји група карактеристика која су снажни показатељи да се реченица не треба користити као пример. Преостале карактеристике, укључујући детекцију нестандардних и других означених лексика из речника САНУ, користе се за рангирање. Изабрани примери кандидата, представљени као вектори, коришћени су помоћу алата за рангирање за примере српског кандидата и надгледани модел машинског учења за класификацију у стандардне и нестандардне српске лексике, ради даље интеграције у решење за садашње и будуће производне пројекте речника.
In this paper we present a model for selection of good dictionary examples for Serbian and the development of initial model components. The method used is based on a thorough analysis of various lexical and syntactic features in a corpus compiled of examples from the five digitized volumes of the Serbian Academy of Sciences and Arts (SASA) dictionary. The initial set of features was inspired by a similar approach for other languages. The feature distribution of examples from this corpus is compared with the feature distribution of sentence samples extracted from corpora comprising various texts. The analysis showed that there is a group of features which are strong indicators that a sentence should not be used as an example. The remaining features, including detection of non-standard and other marked lexis from the SASA dictionary, are used for ranking. The selected candidate examples, represented as featurevectors, are used with the GDEX ranking tool for Serbian candidate examples and a supervised machine learning model for classification on standard and non-standard Serbian sentences, for further integration into a solution for present and future dictionary production projects.
почетак странице
248
крај странице
269
Subject
Српски, добри примери из речника, аутоматизација израде речника, издвајање својстава, Машинско учење
Serbian, good dictionary examples, automatization of dictionary-making, feature extraction, machine learning
Шира категорија рада
М30
Ужа категорија рада
М33
Је дио
47003
Права
Отворени приступ
Лиценца
Creative Commons – Attribution-Share Alike 4.0 International
Формат
.pdf
Скупови објеката
Ранка Станковић
Radovi istraživača
Медија
eLex_2019_14.pdf

Ranka Stanković, Branislava Šandrih, Rada Stijović, Cvetana Krstev, Duško Vitas, Aleksandra Marković. "SASA Dictionary as the Gold Standard for Good Dictionary Examples for Serbian" in Electronic lexicography in the 21st century. Proceedings of the eLex 2019 conference , Lexical Computing CZ, s.r.o. (2019)

This item was submitted on 7. фебруар 2020. by [anonymous user] using the form “Рад у зборнику радова” on the site “Радови”: http://romeka.rgf.rs/s/repo

Click here to view the collected data.