K (polo)automatické excerpci neologismů

0485907 - ÚJČ 2018 RIV CZ cze J - Článek v odborném periodiku
Sláma, Jakub
K (polo)automatické excerpci neologismů.
[On Semi-Automatic Detection of Neologisms.]
Jazykovědné aktuality. Roč. 54, 3/4 (2017), s. 34-46. ISSN 1212-5326
Institucionální podpora: RVO:68378092
Klíčová slova: neologisms * semi-automatic detection of neologisms * neologism detection tools based on exclusion lists * computational linguistics
Obor OECD: Linguistics

Článek shrnuje základní informace o tématu poloautomatické excerpce neologismů a snaží se poskytnout vhled do této problematiky. Je rozdělen do dvou hlavních částí. Ve druhém oddílu je srovnána automatická a poloautomatická excerpce neologismů s tradičnějším přístupem, který spočívá v ručním vyhledávání neologismů (tj. pročítání textů a vyhledávání potenciálních neologismů). V oddílu třetím jsou pak popsány základní principy nástrojů pro (polo)automatické vyhledávání neologismů v textech a jsou poskytnuty vybrané příklady takových nástrojů. Tyto nástroje jsou typicky založeny na předdefinovaných seznamech slov, která nemají být považována za neologismy. Ve třetím oddílu je dále tematizována problematika možných vylepšení takových nástrojů, mj. možnost vyloučení vlastních jmen či zkratek nebo možnost vyfiltrování překlepů a chyb. Článek se pokouší upozorňovat na nedostatky jak těchto dílčích funkcí, tak automatické excerpce neologismů samotné.

The present article attempts to provide some basic information on, and insight into, the topic of semi-automatic detection of neologisms. The paper is divided into two major parts, developed mainly in sections 2 and 3, the former contrasts automatic and semi-automatic detection of neologisms with the more traditional method of searching for neologisms manually (‘reading and marking’). The latter explores the principles underlying the workings of neologism detection tools, while providing examples of such typically exclusion-list based tools, some of them deemed as prototypes. Section 3 furthermore comments on the additional algorithms and functions of some of the tools, viz. the exclusion of proper names (pertaining to named entity recognition), or of abbreviations, and the automatic filtering out of typos and errors. The paper pinpoints the weaknesses and drawbacks of some of these functions as well as of the semi-automatic detection of neologisms per se.
Trvalý link: http://hdl.handle.net/11104/0280895