:: Računalnolingvistički modeli i jezične tehnologije za hrvatski jezik ::
Novosti:Sastanak programa:
2007-05-30, 9:00, FFZG, B-003
Predavanje o programu održao je Marko Tadić na Zagrebačkome lingvističkome krugu, 2007-04-24
Članak Computational Linguistic Models and Language Technologies for Croatian autorâ Bojane Dalbelo Bašić, Zdravka Dovedana, Ide Raffaelli, Sanje Seljan i Marka Tadica prihvaćen za konferenciju ITI2007 u Sekciji za jezične tehnologije.
Temeljna je nakana ovoga interdisciplinarnoga programa koji objedinjuje tri znanstvena područja i tri znanstvena polja (humanističke znanosti: jezikoslovlje, društvene znanosti: informacijske znanosti i tehničke znanosti: računarstvo) proučiti i izgraditi teorijske modele funkcioniranja pojedinih podsustava hrvatskoga jezika. Na temeljima tih teorijskih spoznaja izgradit će se računalne primjene tih teorijskih modela u obliku računalno podržanih resursa i alata. Ti će resursi i alati biti i javno dostupni kako akademskoj tako i široj društvenoj zajednici putem internetskoga pristupa.
Ti će resursi i alati ujedno postati i temelj za daljni razvitak jezičnih tehnologija za hrvatski jezik (JTHJ).
Sljedeća nakana ovoga programa upravo je podizanje ukupne razine JTHJ kako bi se uhvatio priključak s jezicima našega europskog okružja.
Ciljevi su ispitati, izgraditi i izvesti:
- proširenje sadašnjega Hrvatskoga nacionalnog korpusa na opseg od 200 milijuna riječi, označiti ga na morfološkoj, (dijelom) sintaktičkoj i semantičkoj razini;
- niz usporednih/usporedivih korpusa “hrvatski—jezik X” za proučavanje odnosa hrvatskoga i drugih jezika;
- sustave za automatsko označavanje vrsta riječi, gramatičkih kategorija i lematizaciju hrvatskih tekstova;
- sustav za automatsku analizu hrvatske sintakse (parser);
- semantičku mrežu tj. Hrvatski WordNet (CroWN);
- osnovne resurse za strojno potpomognuto prevodenje (prijevodne memorije);
- ispitati mogućnosti izvedbe statističkoga strojnoga prevođenja i modula za EC-Systran za smjerove hr-en i en-hr;
- ispitati mogućnosti izvedbe sustava za e-učenje hrvatskoga;
- sustave za (polu)automatsko sadržajno označavanje dokumenata tj. (polu)automatsko indeksiranje;
- sustave za klasifikaciju, vizualizaciju i sažimanje dokumenata;
- sustave inteligentno pretraživanje i crpljenje podataka iz tekstovnih dokumenata.
Svi će se teorijski modeli provjeravati putem njihovih računalnih implementacija i na stvarnoj jezičnoj gradi, što će povratno voditi višekratnoj daljnoj razradi tih modela.
Ovaj će program, osim što će ponuditi nove teorijske modele i rješenja za neka do sada još niti ne postavljena ili neuočena pitanja o funkcioniranju hrvatskoga jezika, ujedno ostvariti nužne preduvjete za daljnji razvitak jezičnih tehnologija za hrvatski jezik. One su nezaobilazne za konstituiranje e-humanističkih i e-društvenih znanosti tj. predstavljaju istraživačku infrastrukturu za one znanosti čiji se predmeti istraživanja izravno ili neizravno ostvaruju upravo kao tekst ili putem teksta.
U širem društvenom kontekstu jezične su tehnologije za hrvatski jezik nezaobilazne za stvaranje informacijskoga društva tj. društva znanja u Republici Hrvatskoj.
Program se sastoji od pet projekata:
- P1: Hrvatski jezični resursi i njihovo obilježavanje
- P2: Računalna sintaksa hrvatskoga jezika
- P3: Leksička semantika u izgradnji Hrvatskoga WordNeta
- P4: Informacijska tehnologija u prevođenju hrvatskoga i e-učenju jezika
- P5: Otkrivanje znanja u tekstnim podacima
Znanstveno područje: humanističke znanosti
Vrsta istraživanja: ciljana temeljna istraživanja
Prioritetno područje istraživanja: Društvene i humanističke znanosti i hrvatski identitet
Voditelj programa: prof. dr. sc. Marko Tadić
Doprinos ostvarivanju kratkoročnih i dugoročnih ciljeva razvitka RH:
- Kratkoročni: 4. Hrvatski identitet
- Dugoročni: 5. Informacijsko-komunikacijske tehnologije
8. Društvene i humanističke znanosti i hrvatski identitet
Ključne riječi: računalnolingvistički modeli, jezične tehnologije, hrvatski jezik, otkrivanje znanja, informacijsko društvo, društvo znanja