Ονοματικά σύνολα της νέας ελληνικής: αυτόματη αναγνώριση και εξάλειψη μορφολογικών αμφισημιών κατά την αυτόματη επεξεργασία κειμένων: προτάσεις εφαρμογής στη μετάφραση

Abstract

The aim of this PhD thesis is to develop automatic methods for Noun Phrase Recognition in Modern Greek corpora. The linguistic research is placed within the framework of Harris’ distributional and transformational theory (1951; 1965; 1968). For the detailed and systematic description of Modern Greek syntax, we adopted Gross’ methodological model (1975), called Lexicon-Grammar, which can provide extremely rich and exhaustive linguistic information. According to Gross (1975), in order to proceed to syntactic analysis, we should first study the structure of elementary sentences. Based on the structure of elementary sentences in Modern Greek, we delimit our research and define noun phrases within our research. More specifically, we focus on noun phrases that are non-prepositional first complements of verbs. As far as Noun Phrase Recognition Is concerned, we constructed and applied to corpora machine-readable grammars. These grammars, which have the formalism of Recursive Transition Networks (RTN), are very often used to represent linguistic data (Gross, 1993; Roche & Schabès, 1997). In total, we constructed 925 grammars (graphs), consisting a linguistic resource of great importance as they recognise a big part of noun phrases. Because of their detailed descriptions, these grammars were also used to eliminate morphological ambiguities in noun phrases. The latter task was evaluated in terms of recall and precision.

Στόχος της παρούσας διδακτορικής διατριβής είναι η αυτόματη αναγνώριση των ονοματικών συνόλων σε ηλεκτρονικά σώματα κειμένων. Η γλωσσολογική έρευνα πλαισιώνεται από την κατανεμητική και μετασχηματιστική θεωρία του Harris (1951; 1965; 1968). Για την ηλεκτρονική περιγραφή της γλώσσας, υιοθετήσαμε το μεθοδολογικό μοντέλο Λεξικό-Γραμματική που πρότεινε ο Gross (1975), το οποίο στοχεύει στην όσο το δυνατόν μεγαλύτερη πληρότητα και ακρίβεια των γλωσσικών πληροφοριών. Στο πλαίσιο του μοντέλου αυτού, η συντακτική ανάλυση ξεκινά από τη μελέτη της απλής πρότασης, με βάση την οποία ορίζουμε το ονοματικό σύνολο στο πλαίσιο της έρευνάς μας και περιορίζουμε το εύρος της στο πλαίσιο της διατριβής μας. Ειδικότερα, εστιάζουμε στην αναγνώριση των ονοματικών συνόλων που αποτελούν απρόθετα πρώτα συμπληρώματα σε ρήματα. Για την αυτόματη αναγνώριση των ονοματικών συνόλων, κατασκευάσαμε και εφαρμόσαμε στα κείμενα ηλεκτρονικές γραμματικές υπολογιστικής χρήσης, οι οποίες έχουν τη μορφή αναδρομικών δικτύων μετάβασης (αγγλ. recursive transition network) και οι οποίες προσφέρονται για την αναπαράσταση γλωσσικών δεδομένων (Gross, 1993; Roche & Schabès, 1997). Συνολικά κατασκευάσαμε 925 γραμματικές, ή αλλιώς γράφους οι οποίοι αποτελούν ένα γλωσσικό πόρο μεγάλου όγκου και αναγνωρίζουν ένα μεγάλο τμήμα των ονοματικών συνόλων. Η μεγάλη ακρίβεια στις γλωσσικές πληροφορίες που περιλαμβάνουν οι εν λόγω γράφοι επέτρεψαν, πέραν της αναγνώρισης των ονοματικών συνόλων, την εξάλειψη των μορφολογικών αμφισημιών που εντοπίζονται σε αυτά. Το έργο της εξάλειψης των αμφισημιών αξιολογήθηκε με βάση ποσοστά ανάκλησης και ακρίβειας.