A Contrastive Evaluation of Word Sense Disambiguation Systems for Finnish
Robertson, F. (2019). A Contrastive Evaluation of Word Sense Disambiguation Systems for Finnish. In T. A. Pirinen, H.-J. Kaalep, & F. M. T. Tyers (Eds.), Proceedings of the Fifth International Workshop on Computational Linguistics for Uralic Languages (pp. 42-54). Association for Computational Linguistics. https://doi.org/10.18653/v1/W19-0304
Tekijät
Päivämäärä
2019Tekijänoikeudet
© 2019 the Authors
2021:78 | 2022:38 | 2023:66 | 2024:71 | 2025:8
Aiempi saneiden alamerkitysten yksiselitteistämistä käsittelevä työ, kuten monet muut luonnollisen kielen käsittelyyn liittyvät tehtävät, on enimmäkseen keskittynyt englannin kieleen. Vaikka hieman työtä on tehty myös muilla kielillä, mukaan lukien uralilaiset kielet, vertailevaa arviointia suomen kielen saneiden alamerkitysten yksiselitteistämisestä ei ole tähän mennessä julkaistu huolimatta siitä, että tarvittavat leksikaaliset resurssit, erityisesti FinnWordNet, ovat jo pitkään olleet saatavilla. Tämä työ pyrkii korjaamaan tilanteen. Se tarjoaa tuloksia merkittävimpiä lähestymistapoja saneiden alamerkitysten yksiselitteistämiseen edustavista ohjelmista, sisältäen joitakin parhaiten englanninkielellä samasta tehtävästä suoriutuvia ohjelmia. Näiden tulosten toivotaan voivan toimia lähtökohtana tuleville, sekä monikielisille että erityisesti suomen kieleen kohdentuville, ohjelmille ja tarjota suuntaviivoja muihin uralilaisiin kieliin keskittyvään työhön. Previous work in Word Sense Disambiguation (WSD), like many tasks in natural language processing, has been predominantly focused on English. While there has been some work on other languages, including Uralic languages, up until this point no work has been published providing a contrastive evaluation of WSD for Finnish, despite the requisite lexical resources, most notably FinnWord-Net, having long been in place. This work rectifies the situation. It gives results for systems representing the major approaches to WSD, including some of the systems which have performed best at the task for English. It is hoped these results can act as a baseline for future systems, including both multilingual systems and systems specifically targeting Finnish, as well as point to directions for other Uralic languages.
Julkaisija
Association for Computational LinguisticsEmojulkaisun ISBN
978-1-948087-92-6Konferenssi
International Workshop on Computational Linguistics for Uralic LanguagesKuuluu julkaisuun
Proceedings of the Fifth International Workshop on Computational Linguistics for Uralic LanguagesAsiasanat
Julkaisu tutkimustietojärjestelmässä
https://converis.jyu.fi/converis/portal/detail/Publication/51862615
Metadata
Näytä kaikki kuvailutiedotKokoelmat
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Word sense disambiguation for Finnish with an application to language learning
Robertson, Frankie (2020)Tehtävää sanan oikean merkityksen määritämiseksi automattisesti jossakin luonnollisen kielen ilmaisussa kutsutaan saneiden alamerkitysten yksiselitteistämiseksi. Tämä pro gradu -tutkielma kuvaa saneiden alamerkitysten ... -
Learning styles versus learning strategies : how Finnish upper secondary schoolers study vocabulary
Siltanen, Mona (2017)Oppimistyylit ja erilaiset niitä tukevat oppimisstrategiat ovat iso osa onnistunutta oppimista ja niitä on tutkittu paljon. Tämä tutkimus keskittyy suomalaisten lukion toisen vuoden opiskelijoiden oppimistyylien ja heidän ... -
Lexical cross-linguistic influence in the written English production of Finnish 6th grade pupils
Ukkonen, Elina (2014)Kielten väliset vaikutteet (transfer) ovat monitahoinen ilmiö, jota on tutkittu kielen oppimisen viitekehyksessä aktiivisesti 1900-luvun puolivälistä lähtien. Transfer-tutkimuksessa on kuitenkin perinteisesti keskitytty ... -
Finnish foreign language learners' use of English collocations
Vuorinen, Anni (2013) -
Dealing with a small amount of data : developing Finnish sentiment analysis
Toivanen, Ida; Lindroos, Jari; Räsänen, Venla; Taipale, Sakari (IEEE, 2022)Sentiment analysis has been more and more prominently visible among all natural language processing tasks. Sentiment analysis entails information extraction of opinions, emotions, and sentiments. In this paper, we aim to ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.