Подреждане на Думи с Минимум Ресурси
Абстракт
В тази статия е представена методология за подреждане на думи с минимум ресурси базирана на общо-специфични релации извлечени от Уеб корпус. За целта се използа алгоритъма TextRank, асиметрични мерки за асоциация, честотите на думите измерени с помоща на Уеб търсачка и итеративен k-means алгоритъм за клъстеризация. Също така се предлага надеждностна оценка на метода.
Биографични данни
Райчо Муклов
ТУ-Варна
Литература
[2] Caraballo, S.A. 1999. Automatic Construction of a Hypernym-labeled Noun Hierarchy from Text. In Proceedings of the Conference of the Association for Computational Linguistics (ACL 1999).
[3] Dias, G., Mukelov, R. & Cleuziou, G. (2008). Unsupervised Learning of General-Specific Noun Relations from the Web. 21th International FLAIRS Conference (FLAIRS 2008). AAAI Press. Coconut Grove, Florida, USA. May 15-18. pp. 147-153.
[4] Dias, G., Santos, C., and Cleuziou, G. 2006. Automatic Knowledge Representation using a Graph-based Algorithm for Language-Independent Lexical Chaining. In Proceedings of the Workshop on Information Extraction Beyond the Document associated to the Joint Conference of the International Committee of Computational Linguistics and the Association for Computational Linguistics (COLING/ACL), pages. 36-47.
[5] Garipova Julia, Anton Georgiev, T . Papanchev, N . Nikolov and D . Zlatev. Operational Reliability Assessment of Systems Containing Electroni c Elements. 2nd International Scientific Conference “Intelligent information technologies for industry”, 14 - 16 .9. 2017, Varna, Bulgaria. © Springer International Publishing AG 2018; Proceedings of the Conference IITI’17, pp.340 - 348 Advances in Intelligent Systems and Computing 680, DOI: 10.1007/978 - 3 - 319 - 68324 - 9_37 .
[6] Georgiev, A., Papanchev, T., Nikolov, N. 2016. Reliability assessment of power semiconductor devices. 19th International Symposium on Electrical Apparatus and Technologies, SIELA 2016.
[7] Georgiev, A., Nikolov, N., Papanchev, T. 2016. Maintenance process efficiency when conduct reliability-centered maintenance of complex electronic systems. 19th International Symposium on Electrical Apparatus and Technologies, SIELA 2016.
[8] Grefenstette, G. 1994. Explorations in Automatic Thesaurus Discovery. Kluwer Academic Publishers, USA.
[9] Hearst, M.H. 1992. Automatic Acquisition of Hyponyms from Large Text Corpora. In Proceedings of the Fourteenth International Conference on Computational Linguistics (COLING 1992), pages 539-545.
[10] Kilgarriff, A. 2007. Googleology is Bad Science. Computational Linguistics 33 (1), pages: 147-151.
[11] Michelbacher, L., Evert, S. and Schütze, H. 2007. Asymmetric Association Measures. In Proceedings of the Recent Advances in Natural Language Processing (RANLP 2007).
[12] Mihalcea, R. and Tarau, P. 2004. TextRank: Bringing Order into Texts. In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP 2004), pages 404-411.
[13] Moralyiski R., & Dias, G. (2007). One Sense per Discourse for Synonym Detection. International Conference On Recent Advances in Natural Language Processing (RANLP 2007). Borovets, Bulgaria, September 27-29. ISBN: 978-954-91743-7-3. pp. 383-387.
[14] Pecina, P. and Schlesinger, P. 2006. Combining Association Measures for Collocation Extraction. In Proceedings of the International Committee of Computational Linguistics and the Association for Computational Linguistics (COLING/ACL 2006).
[15] Riloff, E. 1993. Automatically Constructing a Dictionary for Information Extraction Tasks. In Proceedings of the Eleventh National Conference on Artificial Intelligence (AAAI 1993), pages 811-816.
[16] Sang, E.J.K. and Hofmann, K. 2007. Automatic Extraction of Dutch Hypernym-Hyponym Pairs. In Proceedings of Computational Linguistics in the Netherlands Conference (CLIN 2007).
[17] Snow, R., Jurafsky, D. and Ng, A. Y. 2006. Learning Syntactic Patterns for Automatic Hypernym Discovery. In Proceedings of the International Committee of Computational Linguistics and the Association for Computational Linguistics (COLING/ACL 2006).
[18] Snow, R., Jurafsky, D. and Ng, A. Y. 2005. Semantic Taxonomy Induction from Heterogenous Evidence. In Proceedings of the Neural Information Processing Systems Conference (NIPS 2005).
[19] Stevenson, M., and Greenwood, M. 2006. Comparing Information Extraction Pattern Models. In Proceedings of the Workshop on Information Extraction Beyond the Document associated to the Joint Conference of the International Committee of Computational Linguistics and the Association for Computational Linguistics (COLING/ACL 2006), pages. 29-35.
[20] Tan, P.-N., Kumar, V. and Srivastava, J. 2004. Selecting the Right Objective Measure for Association Analysis. Information Systems, 29(4)., pages 293-313
[21] Sanderson, M. and Croft, B. 1999. Deriving concept hierarchies from text. In proceedings of the Annual ACM Conference on Research and Development in Information Retrieval, pages 206-213
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Авторски права
Авторите, които публикуват в това издание се съгласяват със следните условия:
Авторите запазват авторските права и предоставят на списанието правото на първата публикация с едновременно лицензиране на публикацията при условията на Creative Commons Attribution License. Този лиценз позволява на другите да споделят работата с потвърждение на авторството и първоначалното публикуване в това издание .
Авторите са в състояние да влизат в отделни, допълнителни договорни отношения за неизключителна дистрибуция на публикуваната версия на работата подадена в това издание (например, публикацията да се качи на институционално хранилище или да се публикува в книга), при условие, че цитират първоначалното публикуване в това издание.
На авторите е разрешено и се насърчават да публикуват работата си онлайн (напр., в институционалните хранилища или др.) преди и по време на процеса на подаване. Това се поощрява, тъй-като може да доведе до по-продуктивен обмен , както и до по-ранно и по -голямо цитиране на публикуваните работи (Вижте на Ефектът на Open Access ).
Подаване на материал за публикация:
Вие трябва да потвърдите, че документът който предоставяте за публикуване отговаря на всяко от следните 5 изисквания:
* Материалът не е бил публикуван по-рано, нито е представен друг вестник или форум за разглеждане (или обяснение е предвидено в Коментари на редактора).
* Файлът се представя е в Microsoft Word или RTF документ файлов формат.
* Където е необходимо, са предвидени URL адреси за препратките.
* Текстът е с междуредие 1; използва се 12-точков шрифт; използва се курсив, а не подчертаване (освен с URL адреси); всички илюстрации, фигури и таблици са поставени в текста на съответното място .
* Текстът се придържа към стилистичните и библиографските изискванията, посочени в Насоките на автора.
Авторските ви права са защитени от този леценз
Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
Права на читателите:
Вие сте свободни да:
Share - копирате и разпространявате материала на всякакъв носител или формат.
Adapt - преработвате и трансформирате, като се позовавате на оригинала. Носителят на правата не може да отмени тези ваши свободи, стига Вие да следвате условията на лиценза.
Правата на читателите са валидни единствено при спазване на следните условия:
Признание - Трябва да се даде информация по подходящ начин, като цитирате или предоставите линк към оригинала и да посочите дали са направени промени. Можете да направите това по никакъв разумен начин, но не и по начин, който подсказва, че лицензодателя е съгласен с Вас или Ви подкрепя по какъвто и да е начин.
Некомерсиално - Вие не може да използва материала за търговски цели.
Разпространяване и споделяне - Ако ремиксвате, трансформиране или доразвиване на материала, трябва да разпространявате вашите материали под същия лиценз, като оригинала.
