5 relevance of annotated corpus
- 1. RELEVANCE OF ANNOTATED CORPUS Thennarasu Sakkan
- 2. Annotated Text Corpora is an important resource for advances in NLP research and for developing different language technologies. The annotation of corpora is done using a set of tags, which mark the linguistic properties of a word, sentence or discourse. The corpora annotated with various linguistic information not only forms a precious resource for language technologies but also involves large amount of effort and time.
- 3. Therefore, it is important to create corpora which once created can be used for various purposes. Layered approach It was proposed to follow a layered approach. Some of the layers are: Layer 1: Morphology Layer 2: POS <morphosyntactic> Layer 3: LWG Layer 4: Chunks Layer 5: Syntactic Analysis Layer 6: Thematic roles/Predicate Argument structure Layer 7: Semantic properties of the lexical items Layers 8,9,10,11: Word sense, Pronoun referents (Anaphora), etc, etc
- 4. Example, ((My younger sister Suguna))_NP ((will be coming))_VP ((from Tamil Nadu))_PP ((early this month))_NP.
- 5. ((செவ்ாில்_NNP))_NP ((சற்நிகாக_RB))_RBP ((ரார்_NNP ிண்கனம்_NN))_NP ((ரிநங்கிது_VF))_VP ! (ாொ_NNP ிஞ்ஞாணிகள்_NN))_NP ((ொரண_NN))_NP !!_RD_SYM (See here exclamation marker.) ((ியூார்க்_NNP))_NP :_RD_PUNC ((செவ்ாய்_NNP கிகத்ர_NN ஆய்வு_NN))_NP ((செய்ற்காக_RB))_RBP ((அசரிக்கா_NNP))_NP ((அனுப்தி_VNF))_VGNF (ரார்_NNP ிண்கனம்_NN))_NP ((கிட்டத்ட்ட_RB))_RBP ((8_TC? ா_NN தத்ிற்கு_NN))_NP ((திநகு_NST))_? இன்று_NST))_? (06.08.12) ((சற்நிகாக_RB))_RBP ((ரிநங்கிது_VF))_VP ((._PUNC))_? ((ிண்சபி_NN ஆய்வு_NN ரத்ில்_NN))_NP ((இது_PRP))_?? ((ஒய_TC ிகப்_INTF சதரி_JJ ரல்கல்னாக_RB??))_NP?? / RBP?? ((கயப்தடுகிநது_VF))_VP ((._PUNC))_??
- 6. ((பூிில்_NN))_NP ((இயந்து_N_NST))_NP?/N_ST? ((சுார்_RB)) ((570_TC ில்னின்_NN கி.ீ.,_NN சாரனில்_NN))_NP ((உள்பது_VF))_VGF ((செவ்ாய்_NNP கிகம்_NNP))_NP ._PUNC ((இந்_DMD கிகத்ில்_NN ஊிரிணங்கள்_NN))_NP ((ாழ்ற்காண_VNF))_VGNF ((ற்ந_JJ சூல்_NN))_NP ((இயக்கிநா_VF))_VGF ((ன்தது_CCS))_?? ((குநித்து_PSP))_?? ((ஆய்வு_NN))_NP ((செய்_VINF))_VGINF ((அசரிக்காின்_NNP ாொ_NNP ிண்சபி_NNP ஆாய்ச்ெி_NNP ரம்_NNP))_NP ((தல்ரறு_JJ))_JJP ((ஆய்வுகரப_NN))_NP ((ரற்சகாண்டு_VNF))_VGNF ((யகிநது_VF))_VGF. ((செவ்ாய்_NNP கிகம்_NN))_NP ((சாடர்தாண_JJ))_JJP ((தடங்கரபயும்_NN))_NP ((அவ்ப்ரதாது_RB))_RBP ((சபிிட்டு_VNF யகிநது_VM))_VGF ._SYM
- 7. Let us take sample of Malayalam Text for Chunking...