Large language models for automatic acquisition of lexicographic content

Bc. Nikita Prokopchuk

Bakalářská práce

Anotace:

Cílem této diplomové práce je prozkoumat potenciál velkých jazykových modelů (LLMs) pro automatickou tvorbu lexikografického obsahu, včetně slovníkových významů, příkladů použití a synonym. Studie hodnotí silné a slabé stránky modelů jako Chat GPT, Claude, Cohere, Deep Seek a Gemini v rámci různých lexikografických úkolů a pro více jazyků. Výzkum posuzuje kvalitu generovaných dat, jejich soulad s jazykovými a kulturními normami a identifikuje úspěšné případy využití i omezení. Navazujíc na předchozí studie v oblasti počítačové lexikografie, zejména na práci Miloše Jakubíčka a Michaela Rundella, si tato práce klade za cíl poskytnout doporučení pro aplikaci LLMs v lexikografické praxi. Výsledkem práce bude komplexní hodnocení potenciálu LLMs pro automatizaci lexikografických procesů a návrhy na jejich další rozvoj.

Abstract:

The aim of this thesis is to explore the potential of large language models (LLMs) for the automatic creation of lexicographic content, including dictionary senses,examples of usage and synonyms. The study evaluates the strengths and weaknesses of LLMs such as Chat GPT, Claude, Cohere, Deep Seek and Gemini across various lexicographic tasks and for multiple languages. The research assesses the quality of the generated data, its alignment with linguistic and cultural norms, and identifies successful use cases as well as limitations. Building on prior studies in computational lexicography, particularly the work of Miloš Jakubíček and Michael Rundell, this thesis aims to provide recommendations for the appli-cation of LLMs in lexicographic practice. The thesis will result in a comprehensive evaluation of the potential of LLMs to automate lexicographic processes and suggestions for their further development.

Keywords

lexicography, lexikografie, large language models, velké jazykové modely automatic dictionary generation, automatické generování slovníků, natural language processing, zpracování přirozeného jazyka, evaluation metrics, metriky hodnocení

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 5. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 6. 6. 2025
• Vedoucí: RNDr. Vojtěch Kovář, Ph.D.
• Oponent: Mgr. František Kovařík

Masarykova univerzita

Filozofická fakulta

Bakalářský studijní program / obor:
Počítačová lingvistika / Počítačová lingvistika