hrvatski

Proširenje leksičke baze mrežnog pravopisnog provjernika

Svaki živi prirodni jezik neiscrpan je izvor novih riječi. On ih stvara ili preuzima iz drugih jezika prilagođujući ih sebi. Stoga se može reći da niti jedna leksička baza nije konačna i potpuna. To vrijedi i za leksičke baze mrežnih pravopisnih provjernika koji u stalnoj interakciji s okolinom nude pogodno okruženje za učenje novih riječi iz pristižućih tekstova za obradu. Kao okolina za učenje novih riječi ispitane su internetske nacionalne vršne domene i domena Wikipedije. Preispitane su postojeće i razvijene nove metode i programski alati za ručno, automatsko i poluautomatsko proširenje leksičke baze u okruženju mrežnog pravopisnog provjernika Hascheck. Predložena je metrika na temelju koje se može odlučivati koji se sadržaji mogu nedvojbeno smatrati riječima, koji pogrješkama, a nad kojima je potrebno da čovjek donosi odluku o uvrštavanju u leksičku bazu. Razvijenim metodama je proces proširenja leksičke baze, odnosno nadgledano učenje sustava Hascheck znatno ubrzan, čime je smanjeno radno opterećenje osobe koja nadgleda učenje. Metode su ispitane i ocijenjene na uzorku od 135.000 novih različnica uz ručnu provjeru. Stvoreni su uvjeti i za proširenje baze podatcima za označavanje morfoloških kategorija i vrsta riječi čime se otvara prostor istraživanju na području kontekstnog ispravljanja tekstova na hrvatskom jeziku.

mrežni pravopisni provjernik; mrežna usluga Hascheck; pretraživanje; tražilica Google; Wikipedija; nadgledano strojno učenje; hrvatski jezik; morfologija

nije evidentirano