Upload
aquene
View
33
Download
0
Embed Size (px)
DESCRIPTION
Az Európai Médiafigyelő magyar verziója. MTA Nyelvtudományi Intézet Nyelvtechnológiai Kutatócsoport Pajzs Júlia. http://emm.newsexplorer.eu. Személyek. Idézetek egy személytől és róla. Egy hír több nyelven. Egy hír egy másik nyelven. A rendszer főbb jellegzetességei. - PowerPoint PPT Presentation
Citation preview
Az Európai Médiafigyelőmagyar verziója
MTA Nyelvtudományi IntézetNyelvtechnológiai Kutatócsoport
Pajzs Júlia
Automatikusan gyűjt híreket (clustereket) on-line forrásokbólA leggyakoribb személyneveket és ezek kapcsolatrendszerét gyűjti és ábrázolja.Földrajzi nevek és ezek térképhez való rendeléseEgyéb nevekIdézetek fontos személyektőlTematikus lekérdezés lehetősége
A rendszer főbb jellegzetességei
index.hu
origo.hu
hir24.hu
www.startlap.hu
ww.msn.hu
portfolio.hu
msn.mainap.huhetivalasz.hu www.triplexregio.net
tech.transindex.ro
www.bumm.sk
www.felvidek.ma
www.parameter.sk
karpatalja.ma
www.vajma.info
erdely.ma
www.kronika.ro
Az általunk javasolt portálok
keresztnevek (András, Andrea) ismert személynevek (Deák Ferenc, Szabó Magda)titulusok (úr, asszony, őfelsége stb.)beosztások (elnök, igazgató stb.)Foglalkozásnevek témakör besorolással (sebész->egészség)népnevek, nemzetiség nevek (spanyol, baszk,)
Magyar segédanyagok a személynevek felismeréséhez
PL k/ak/ek/ok/ökPOS é/éiFOR ként/képp/képpenCAU értDAT nak/nekSUB ra/reDEL ról/rőlINE ban/benELA ból/bőlILL ba/beADE nál/nélABL tól/tőlFAC vá/véSOC stul/stülINS val/velALL hoz/hez/hözSUP n/on/en/önACC t/at/et/ot/öt
Leggyakoribb egyszerű toldalékok tulajdonnevek után
Eredeti mondattöredék:A Lech Kaczynski lengyel elnököt és kíséretét szállító
NAME: Lech KaczynskiFUNCTION: [lengyel elnököt]FUNCTION TYPE : pgovNATIONALITY: lengyel,TITLE: a Gazeta Wyborcza című napilap online kiadása.
Névfelismerés tesztelése
Global Discovery Database of place names (2006) kb. 500 000 tételKNAB többnyelvű: Venice/Venise/Venedig
Constantinapol/IstanbulEuropean Comission belső dokumentáció: minden EU ország fővárosa, a nemzet(ek) neve, az ország nevének melléknévi alakja az összes EU nyelven
A földrajzi nevek forrásai
Borsod-abauj-zemplen Borsod-Abaúj-Zemplén% | Borsod-Abaúj-Zemplén megye | Borsod-Abaúj-Zemplén megyé%
Beijing Peking%
Wien Bécs%
Malta Island Malta Island% | Málta szigete | Málta szigeté% | Málta- szigete | Málta-szigeté% | Málta | Máltá%
Földrajzi nevekMagyar nevek, idegen nevek magyar változatai
mond, jelent , elmond, ír, beszél, szól, közöl, kérdez, megállapít, jelez, kijelent, válaszol, hangsúlyoz, nyilatkozik, bejelent, megerősít, megjegyez, idéz, fogalmaz, beszámol, magyaráz, elárul, fenyeget, rámutat, tisztáz, felidéz, méltat, összegez, faggat, fenyegetőzik, nehezményez, deklarál, elbeszél, panaszol, tudakol
Igék az idézetek felismeréséhez
megerősít megerősíti /erősíti meg / megerősítik / erősítik meg / megerősítette / erősítette meg / megerősítették / erősítették meg
Fenti igék várhatóan gyakori alakváltozatai
<quotes lang="hu" date="21-NOV-12" VERSION="0.14">- <q> <article_id>klubradio-3168c9f570371b5b92a359ae701d3829</article_id> <text>Franciaország és Olaszország azt kéri, hogy mindenki tegyen meg minden erőfeszítést annak érdekében, hogy ez az elengedhetetlen fegyverszünet megszülessen</text> <verb>mondta</verb> <title /> <name>Francois Hollande</name> <name_id>114</name_id> <weight>70</weight> <info type="1" offset="239" length="181" /> </q>- <q> <article_id>klubradio-3168c9f570371b5b92a359ae701d3829</article_id> <text>A leghatározottabban elítélem a merényletet, amely Tel-Avivban történt, s amely éppen akkor irányult civilek ellen, amikor mindent meg kell tennünk a tűzszünet elérése érdekében</text> <verb>mondta</verb> <title /> <name>Laurent Fabius</name> <name_id>442</name_id> <weight>60</weight> <info type="1" offset="968" length="201" /> </q>
Automatikusan kivonatolt idézetek
Kategória definíció
drogmaffia 10drogmaffiá% 10kábítószer+maffia10kábítószer+maffiá%10kábítószer+bűnözés% 10kábítószer+visszaélés% 10illegális+kábítószer+kereskedelem% 10
film% -999könyv% -999
Combinations A combination of at least one of narkotikum%kábítószer%drog%heroin%hasis%kokain%extasy%
and at least one of fogyaszt%kereskedelem%kereskedelm%függőség%
Összegzés
Az EMM magyar modulja működőképes
A NewsExplorer fejlesztői: European Commission Joint Research Centre (JRC) Ralf Steinberger