MTA-PPKE Magyar Nyelvtechnológiai Kutatócsoport

PPKE ITK Nyelvtechnológiai Labor
http://nlpg.itk.ppke.hu/
Miháltz Márton <mihaltz.marton@itk.ppke.hu>

Bemutatkozás
• Pázmány Péter Katolikus Egyetem Információs
Technológiai és Bionikai Kar
• Nyelvtechnológiai Labor:
– PPKE ITK Nyelvtechnológiai Csoport
– MTA-PPKE Magyar
Nyelvtechnológiai Kutatócsoport
• Vezető: Prószéky Gábor
• 9 doktorandusz (Endrédy István, Indig Balázs, Laki László, Ligeti-
Nagy Noémi, Novák Attila, Orosz György, Siklósi Borbála, Simonyi
András, Yang Zijian Győző), 2 posztdok (Sass Bálint, Miháltz
Márton)
• Oktatás: nyelvtechnológia szakirány, mérnökinformatikus
BSc és MSc; PhD képzés

Kutatási területek
• Morfológiai elemzés és egyértelműsítés
• Szintaktikai és szemantikai elemzés
• Orvosi szövegek feldolgozása
• Helyesírási hibák automatikus javítása
• Statisztikai gépi fordítás és alkalmazásai

Projektek
• Információkinyerés klinikai szövegekből
• Magyar nyelvi elemző
• PurePos: nyílt forrású morfológiai elemző
és egyértelműsítő
• (…)

Információkinyerés klinikai
szövegekből
• Kezelőlapok, zárójelentések stb.
– strukturálatlanság, rövidítések, helyesírási hibák,
elírások, latin-magyar keveredés, szaknyelv stb.
• Feldolgozás: domain-adaptáció
– Szegmentálás, tokenizálás: szabályok, gépi tanulás
– Helyesírási hibák automatikus javítása: javaslat-
generálás + SMT rendszer
– Rövidítésfelismerés és –feloldás: szabályok, lexikon
• Információkinyerés
– Ontológiaépítés, adatbányászat, döntéstámogatás stb.

Magyar nyelvi elemző (2012-2016)
• Mély nyelvi elemzés, teljes szintaxis, szemantika
– Pszicholingvisztikai indíttatás: emberi feldolgozás!
– Performancia alapú, “rosszulformáltság” is OK
– Szigorúan balról jobbra elemzés
– Párhuzamos szintek (vs. kaszkád modell)
– Mondathatárokon átívelő diskurzusegységek
– Gráfreprezentáció: szintaktikai és szemantikai szerepek
• Erőforrások
– Korpuszépítés: 1G szó, magyar web, folyamatos update
– Igeivonzatkeret-adatbázis (MetaMorpho): 18K ige, 33K keret
– Magyar WordNet: 42K synset, összekapcsolás vonzatkeretekkel
• Példaalkalmazás: üzleti rövidhírek elemzése
– Automatikus “szövegértés”: ki, mit, hol, mikor?

Morfológiai elemzés, egyértelműsítés
• PurePos
– Statisztikai egyértelműsítő (PoS-tagger)
• TnT implementáció (HMM)
• Tanítás: Szeged Korpusz
– Humor morfológiai elemző, szótövesítő
– Guesser
• Java, Python API
• Nyílt forrású (LGPL)
https://github.com/ppke-nlpg

Köszönjük a figyelmet!
http://nlpg.itk.ppke.hu/
Kód: http://github.com/ppke-nlpg

MTA-PPKE Magyar Nyelvtechnológiai Kutatócsoport

More Related Content

Viewers also liked (6)

More from Zoltan Varju (20)

MTA-PPKE Magyar Nyelvtechnológiai Kutatócsoport