Extracting Phrases from PDT 2.0

Varování

Publikace nespadá pod Ústav výpočetní techniky, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Název česky	Extrakce frází z PDT 2.0
Autoři	NĚMČÍK Václav
Rok publikování	2011
Druh	Článek ve sborníku
Konference	Proceedings of Recent Advances in Slavonic Natural Language Processing, RASLAN 2011
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	https://nlp.fi.muni.cz/raslan/2011/paper11.pdf
Obor	Informatika
Klíčová slova	PDT; corpus; treebank; export; format; complex annotation; phrase; clause
Popis	Pražský závislostní korpus (PDT) je velký soubor českých textů v elektronické podobě. Je celosvětově znám pro svůj velký rozsah a víceúrovňovou anotaci, která pokrývá celou řadu jazykovědných jevů. Na druhou stranu je ale možno složitost korpusových dat vnímat jako ne nevýznamnou překážku bránící jejich přímočarému využití. Jako možný způsob překonání tohoto problému nabízíme program, který převádí data z PDT do přehlednějšího formátu obsahujícího nejběžnější typy frází. Věříme, že dostupnost PDT v tomto formátu pomůže rozšířit okruh jeho uživatelů tohoto korpusu.
Související projekty:	Centrum komputační lingvistiky