Publikace na Matematicko-fyzikální fakulta |
2007
Abstrakt
Tento článek se zabývá léčbou pojmenovaných entit (NE) v češtině. Představujeme dvoustupňovou klasifikaci NE.
Tuto klasifikaci jsme použili pro ruční anotaci dvou tisíc vět, abychom získali více než 11 000 NE instancí. S využitím anotovaných dat a technik strojového učení (konkrétně indukce rozhodovacích stromů shora dolů) jsme vyvinuli a vyhodnotili softwarový systém zaměřený na automatickou detekci a klasifikaci NE v českých textech.