TAILIEUCHUNG - Báo cáo khoa học: "Large Scale Collocation Data and Their Application to Japanese Word Processor Technology"

Word processors or computers used in Japan employ Japanese input method through keyboard stroke combined with Kana (phonetic) character to Kanji (ideographic, Chinese) character conversion technology. The key factor of Kana-to-Kanji conversion technology is how to raise the accuracy of the conversion through the homophone processing, since we have so many homophonic Kanjis. In this paper, we report the results of our Kana-to-Kanji conversion experiments which embody the homophone processing based on large scale collocation data. . | Large Scale Collocation Data and Their Application to Japanese Word Processor Technology Yasuo Koyama Masako Yasutake Kenji Yoshimura and Kosho Shudo Institute for Information and Control Systems Fukuoka University Nanakuma Fukuoka 814-0180 Japan koyama@ yasutake@ yosimura@ shudo@ abstract Word processors or computers used in Japan employ Japanese input method through keyboard stroke combined with Kana phonetic character to Kanji ideographic Chinese character conversion technology. The key factor of Kana-to-Kanji conversion technology is how to raise the accuracy of the conversion through the homophone processing since we have so many homophonic Kanjis. In this paper we report the results of our Kana-to-Kanji conversion experiments which embody the homophone processing based on large scale collocation data. It is shown that approximately 135 000 collocations yield raise of the conversion accuracy compared with the prototype system which has no collocation data. 1. Introduction Word processors or computers used in Japan ordinarily employ Japanese input method through keyboard stroke combined with Kana phonetic to Kanji ideographic Chinese character conversion technology. The Kana-to-Kanji conversion is performed by the morphological analysis on the input Kana string with no space between words. Word- or phrase-segmentation is carried out by the analysis to identify the substring of the input which has to be converted from Kana to Kanji. Kana-Kanji mixed string which is the ordinary form of Japanese written text is obtained as the final result. The major issue of this technology lies in raising the accuracy of the segmentation and the homophone processing to select the correct Kanji among many homophonic candidates. The conventional methodology for processing homophones have used the function that gives the priority to the word which was used lastly or to the high frequency word. In

• Báo cáo khoa học
• Large Scale Collocation Data
• Their Application to Japanese
• Word Processor Technology
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học