Euskararako analizatzaile sintaktiko estatistikoa hobetzeko teknikak

Abstract

Laburpena: honetan euskararako analizatzaile sintaktiko-estatistikoen emaitzak hobetzeko helburuarekin egindako esperimentu-multzoa aurkezten da. Lan honetan teknika ez-berdinak aztertzen dira: i) zuhaitz-transformazioak, ii) analizatzaileen pilaketa, eta iii) analizatzaile-modelo desberdinen irteeren konbinazioa. Emaitza guztiak zuhaitzbankutik zuzenean hartutako urre-patroiko ezaugarri morfosintaktikoak erabiliz eta analisi morfologiko eta desanbiguatze-moduluetatik hartutako ezaugarri morfosintaktiko automatikoak erabiliz egin dira.Hitz gakoak: Dependentzietan oinarritutako analisia, Analisi morfologikoa eta desanbiguazioa, Analizatzaile sintaktikoen konbinazioa.Abstract: This paper presents a set of experiments to improve the results of the statistical syntactic analyzers for Basque. The present work has examined different techniques: i) tree transformations, ii) stacking, and iii) combinations of the output of several parsers. All the results have been obtained using gold morphosyntactic tags coming directly from the treebank and using automatic mophosyntactic tags coming from morphological analysis and disambiguation module.

Dependentzia Unibertsalen eredura egokitutako euskarazko zuhaitz-bankua

“…EPEC-DEP zuhaitz-bankua [8] Dependentzia Gramatikari jarraituz sintaktikoki etiketatu den 300.000 hitzeko Euskararen Prozesamendurako Erreferentzia Corpusa (EPEC) [9] da. DUen proiekturako, CoNLL-X formatuan dauden euskarazko EPEC-DEP zuhaitz-bankuaren 150.000 hitz [10] hartu dira gutxi gorabehera. Aurrerantzean, jatorrizko zuhaitz-bankua esango diogu 150.000 hitzez osatutako zuhaitz-banku horri.…”