ИНФОТЕКА - Часопис за информатику и библиотекарство

Год. 11, бр. 2, децембар 2010.

Зоран Поповић

Хемофарм, ШТАДА

ПРОГРАМИ ЗА ЕТИКЕТИРАЊЕ ТЕКСТА НА СРПСКОМ ЈЕЗИКУ

УДК: 004.912:811.163.41’322

Напомена: Овај рад представља резултате приказане у оквиру дипломског (мастер) рада који је одбрањен на Математичком факултету 2009. године

Кључне речи: етикетирање, tagger, PoS, машинско учење, NLP, рачунска лингвистика

Сажетак: Овај текст даје упоредни преглед постојећих језичких алата, односно програма за етикетирање, заснованих пре свега на методама машинског учења, уз конкретне тестове и резултате различитих програма над текстом на српском језику. У ту сврху су коришћени већ припремљени етикетирани корпуси и десетострука унакрсна провера (10-fold cross-validation), и посебно развијен поступак аутоматизованог тестирања реализованог unix скриптовима (bash, perl, awk) – TnT је показао најбоље перформансе, док су се Tree Tagger и SVMTool показали успешнијим у неким специјалним случајевима. Могућност упаривања различитих метода и програма за етикетирање, као и интеграција са другим окружењима за ОПЈ отварају могућност даљих испитивања оваквих решења.