http://hdl.handle.net/1956/883 Search the Channel search http://bora.uib.no/simple-search http://hdl.handle.net/1956/1594 Title: Fra speilmetoden til automatisk ekstrahering av et betydningstagget korpus for WSD-formål <br/> <br/>Authors: Lyse, Gunn Inger <br/> <br/>Abstract: Utgangspunktet for denne oppgaven er mangelen på tilgjengelige betydningstaggede korpora som bakenforliggende ressurs for automatisk orddisambiguering (Word Sense Disambiguation; WSD). WSD-tilnærmingen som per i dag regnes som mest lovende, korpusbasert overvåket maskinlæring, har vist seg begrenset i praktisk bruk fordi den forutsetter tilgang på et betydningstagget treningskorpus som eksemplifiserer sammenhengen mellom en ordbetydning og dens typiske kontekst. Betydningstaggingen av slike treningskorpora må i dag utføres manuelt, hvilket er kostbart og tidkrevende arbeid. Det er derfor ønskelig å undersøke metoder for å automatisere dette arbeidet. Denne oppgaven foreslår en metode som ekstraherer et finitt, betydningstagget korpus automatisk. Selv om metoden av tidshensyn kun er testet på ett flertydig norsk lemma innenfor rammene av denne oppgaven, er metoden prinsipielt forventet å kunne ekstrahere betydningstaggede korpus for alle flertydige ord innenfor et språks vokabular. Metoden er basert på oversettelseskorrespondanser i et parallellkorpus, som er sortert etter betydning ved speilmetoden (Dyvik, 1998/2002). Målet er å undersøke den presenterte metodens potensial som alternativ til en manuell betydningstagging av et korpus. Evalueringen foregår først manuelt. Dernest følger en praktisk evaluering, ved å anvende metodens betydningstaggede korpus som treningsmateriale i en overvåket maskinlæringsalgoritme. Resultatene indikerer at oppgavens presenterte tilnærming metodisk sett synes lovende, og at metoden derfor har et stort potensial for videreutvikling.; This thesis adresses the lack of sense-annotated corpora as a background resource for Word Sense Disambiguation (WSD). The most promising approach to WSD is generally considered to be corpus-based, supervised machine learning methods. In this approach, a sense-tagged training corpora provides example instances which illustrate the relation between a given word sense and its typical context. However, supervised learning has proven to be limited as a larger-scale alternative, because sense-tagged corpora need to be manually tagged, which is costly and time-consuming. Consequently, it is desirable to investigate methods to overcome this knowledge acquisition bottleneck. This thesis suggests a method which automatically extracts a finite, sense-tagged corpus.Although the method is only tested on one ambigous lemma within this thesis, the method is in principle expected to be applicable for extracting sense-tagged corpora for all ambigous words within the vocabulary of a given language. The presented method is based on translational correspondences in a parallel corpus, sorted by meaning by a "semantic mirroring" method (Dyvik, 1998/2002). The chief goal of the thesis is to explore the presented method's potential as an alternative to a manual sense-tagging of corpora. The results are first evaluated manually. Then follows a practical evaluation, by applying the automatically sense- tagged corpus as training material for a supervised learning algorithm. The results reveal that the presented approach methodically seems promising, indicating a good potential for further exploration. http://hdl.handle.net/1956/1517 Title: Det forståingsfulle opplysningssystemet : eit studium av BussTUC, med fokus på ambiguitetsrelaterte problem <br/> <br/>Authors: Hole, Bente <br/> <br/>Abstract: Denne hovudfagsoppgåva tek utgangspunkt i bussruteopplysningssystemet BussTUC – eit databasesystem med eit grensesnitt basert på innputt i from av naturleg språk, det vil seie norske og engelske setningar. Systemet vart utvikla i tilknyting til NTNU i løpet av 1996 og er i dag tilgjengeleg via Internett og SMS. Oppgåva tek føre seg problemområde det framleis gjenstår å få bukt med i tilknyting til sjølve grensesnittet og språkprosesseringa; I første rekke problem relaterte til disambiguering. Ulike løysingstilnærmingar vert presenterte og enkelte av desse prøvde ut i praksis. Fokus vert i stor grad retta mot parsingdelen av systemet: Den opprinnelege parsaren, ein innebygd prologparsar som arbeider topp-ned med tilbakesporing, vert bytta ut med ein kartparsar. Målet er å finna ut om ein kartparsingmodul kan føra til betre resultat med omsyn til fleirtydige og ufullstendige innputt, samt om det er mogleg å få han like effektiv som den opprinnelege parsingmodulen. Nøkkelord: Språkprosessering, ambiguitet, kartparsing, naturlegspråklege grensesnitt, ekstraposisjonsgrammatikk, kategorialgrammatikk, databasegrensesnitt baserte på naturleg språk; The point of departure for this thesis is the bus route information system BusTUC – a database system with an interface based on input in natural language, i.e. sentences in Norwegian and English. The system was developed in connection to NTNU during 1996 and is now available to the public both on the Internet and per SMS. The thesis discusses problem areas tied to the interface and the language processing part of the system which still remain to be taken care of; first and foremost problems related to disambiguation. Different potential solutions are presented and some of these tried out in practice. The main focus is directed towards the parsing part of the system. The original parser, a built-in Prolog parser working top-down with backtracking, is replaced by a chart parser. The goal is to make a parsing module that leads to better results with regard to ambiguous input, and that works as effective as the original parser. Key words: Natural Language Processing (NLP), ambiguity, chart parsing, Natural Language Interfaces (NLI), extraposition grammar, categorial grammar, Natural Language Interfaces to Databases (NLIBD) http://hdl.handle.net/1956/1516 Title: Hvor kort er godt? : En evaluering av NorSum : en automatisk tekstsammenfatter for norsk <br/> <br/>Authors: Liseth, Anja Therese <br/> <br/>Abstract: This thesis has been carried out in collaboration with the Scandinavian science nettwork ScandSum, and it presents an evaluation of NorSum, an automatic text summarizer for Norwegian. The evaluation is an intrinsic one, which compares the automatic summaries against a gold standard. The gold standard is built from manually made summaries. The evaluation had two goals; the most important one was to do a quantitative evaluation of NorSum to investigate its performance. It was interesting to see if a quantitative evaluation could provide any information about the quality of the summarizer. The second goal was to develop a program that could automatically generate a gold standard, which the automatic summary could be compared against. The results show that there is a relative good overlap between the gold standard and the automatic summary, and regarding the deviation between the automatic summaries and the manual summaries; it was less than expected.; I samarbeid med forskningsnettverket ScandSum har det i denne hovedoppgaven blitt utført en evaluering av NorSum, som er den norske versjonen av den automatiske sammenfatteren SweSum. Hovedoppgaven presenterer en evaluering av NorSum, et system for automatisk sammenfatning av tekster på norsk. Oppgaven hadde to mål, hvor det viktigste var å utføre en kvantitativ evaluering, for å undersøke om en kvantitativ metode kan gi nyttig informasjon om kvaliteten på sammendragene. For å sammenligne de automatiske sammendragene med manuelle sammendrag, ble det automatisk generert et referansesammendrag, en gullstandard, ut fra de manuelle sammendragene. Resultatene av den interne evalueringen viser at det er en klar, men relativt liten overlapping mellom de automatiske sammendragene og referansesammendraget. Avviket mellom sammendrag og referansesammendrag er større for de automatiske enn de manuelle sammendragene, men mindre enn på forhånd antatt, tatt i betraktning at referansesammendraget er laget ut fra de manuelle sammendragene. I tillegg viste det seg nyttig å generere referansesammendragene automatisk, da dette både sparte tid og arbeid, siden evalueringen i seg selv var en tidkrevende prosess. http://hdl.handle.net/1956/1187 Title: Universelle representasjoner av norske klokkeslett <br/> <br/>Authors: Ytrestøl, Gisle <br/> <br/>Abstract: Denne avhandlingen presenterer en komputasjonell grammatikk for norske klokkeslettsuttrykk. Syntaksen til klokkeslettsuttrykk skiller seg sterkt fra andre domener i den norske grammatikken og har ofte en idiomatisk form. Selv om norsk grammatikk generelt er godt kartlagt i den komputasjonelle grammatikken NorGram, er ikke dette domenet behandlet tidligere. Intensjonen er at mitt tillegg skal implementeres i NorGram, og i så måte forbedre denne grammatikken. Den ferdige grammatikken bygger på en inngående studie av hvilke faktorer i setningen som virker inn på syntaksen til et klokkeslettsuttrykk. På bakgrunn av denne studien ble en minigrammatikk implementert på XLE-plattformen. Denne avhandlingen dokumenterer studien av klokkeslettsuttrykkenes syntaks, og den komputasjonelle grammatikken som analyserer disse uttrykkene vil bli presentert.; This thesis presents a computational grammar for Norwegian time of day expressions. There is a firm distinction between the syntax of time expressions compared to other domains in Norwegian grammar, as expressions of time behave more idiomatically. Although a computational grammar for Norwegian exists, called NorGram, its grammar does not recognise time of day expressions. My intention is that this addition will be implemented in NorGram, thus enhancing the range of its grammatical coverage to include these expressions. The finished grammar is based upon a study of the syntax of time expression. This study provides the background for the implementation of a miniature grammar on a XLE platform. This thesis documents the study of time of day expressions, and presents the computational grammar that analyses the expressions.