Morfematický anglicko-český slovník

Bc. Dagmar Husárová

Bachelor's thesis

Morphemic English-Czech Dictionary

Abstract:

Bakalářská práce se zabývá návrhem a realizací automatické metody pro tvorbu překladového anglicko-českého morfematického slovníku. Opírá se o teorii morfologie a zejména pak slovotvorby anglického a českého jazyka. Soustředí se především na odlišnosti a podobnosti v obou jazycích. Při vytváření slovníku je užito datové struktury sufixových polí. Těžiště práce leží v tvorbě skriptů v jazyce Python, které zpracovávají zdrojová data do požadované podoby morfematického slovníku. V závěru práce je sestaven jednoduchý vyhodnocovací mechanismus, pomocí nějž je změřeno pokrytí vytvořeným morfematickým slovníkem na datech anglicko-českého paralelního korpusu ve srovnání se slovníkem celých slov. Na základě výsledků vyhodnocovacího mechanismu jsou naznačena úskalí vytvořené metody a její možná vylepšení.

Abstract:

The bachelor thesis deals with designing and implementing a method for creating a bilingual English-Czech morphemic dictionary. It is based on the theory of morphology and particularly of word-formation of English and Czech language. It concentrates on differences and similarities between both languages. Suffix array data structure is used to create the dictionary of morphemes. The core of the work lies in creating Python scripts, which processes source data into the desired form of morphemic dictionary. In the end of the thesis, a simple evaluative mechanism is created. It measures coverage of an English-Czech parallel corpus with the morphemic dictionary in compare with coverage with a regular dictionary of words. On the basis of results of this mechanism, the possible problems and improvements are indicated.

Keywords

morfematický slovník, sufixové pole, strojový překlad, překlad slovních podřetězců, morphemic dictionary, suffix array, machine translation, translating word substrings

Language used: Czech

Date on which the thesis was submitted / produced: 8. 7. 2013

Thesis defence

• Date of defence: 11. 9. 2013
• Supervisor: Mgr. et Mgr. Vít Baisa, Ph.D.

Masaryk University

Faculty of Arts

Bachelor programme / field:
Philology / Czech Language with Orientation on Computational Linguistics