Institut za hrvatski jezik

O projektu

BILATERALNI PROJEKT

Voditelji projekta:

Simon Krek (Slovenija)

Kristina Štrkalj Despot (Hrvatska)

Suradnici

HRVATSKA

• Nikola Ljubešić
• Jan Šnajder
• Željko Agić
• Ivan Pandžić

SLOVENIJA

• Tomaž Erjavec
• Kaja Dobrovoljc
• Darja Fišer
• Polona Gantar

Glavni cilj

Prema iscrpnoj jezičnoporedbenoj studiji u okviru META-NET White Paper Series, i hrvatski i slovenski jezik jezičnotehnološki su slabije razvijeni jezici kojima manjka naprednih jezičnih resursa i alata za obradu prirodnoga jezika. Označivanje semantičkih uloga sljedeći je korak jezikoslovne analize koji se može uspješno nadograditi na ostvarene slojeve jezikoslovnoga označivanja u postojećim hrvatskim i slovenskim korpusima za učenje. Za bliske jezike koji dijele mnoge jezične značajke, poželjno je primjenjivati slična jezikoslovna načela i sustave označivanja u jednakim zadaćama obrade prirodnoga jezika. Stoga je cilj projekta izgraditi sustav oznaka semantičkih uloga koje će biti sukladne postojećim sintaktičkoovisnosnim oznakama korištenima u korpusima koji su se rabili za algoritme strojnoga učenja za oba jezika. To će rezultirati uzorcima slovenskoga i hrvatskoga korpusa za učenje koji će biti označeni kompatibilnim oznakama u obama jezicima. Takvi će korpusi poslužiti kao osnova za prve eksperimente automatskoga označivanja semantičkih uloga s pomoću metoda nadziranoga strojnoga učenja.

Temeljne zadaće

U okviru projekta predviđaju se tri temeljne zadaće:

• oblikovanje zajedničkoga hrvatsko-slovenskoga skupa semantičkih oznaka temeljenoga na postojećim sustavima koji se rabe u drugim jezicima
• sastavljanje uputa za označivanje i označivanje korpusnoga uzorka
• izvođenje prvih eksperimenata automatskoga označivanja s pomoću algoritama strojnoga učenja

Rezultati

U okviru projekta izradit će se ovi dokumenti, skupovi podataka i alati:

• zajedničke upute za označivanje semantičkih uloga u slovenskom i hrvatskom jeziku
• alati za označivanje semantičkih uloga za označivače na objema stranama
• uzorak korpusa za učenje koji je ručno označen kompatibilnim oznakama semantičkih uloga za hrvatski i,slovenski jezik
• eksperimentalni alati za strojno učenje za automatsko označivanje semantičkih uloga

Svi će dokumenti, skupovi podataka i alati biti dostupni pod otvorenim licencijama, što je u skladu sa zahtjevima postojećih korpusa za učenje.