Automatická detekce interpunkce -- vyhodnocení a vylepšení

Bc. Kristýna Zemková

Diplomová práce

Automatic punctuation detection -- evaluation and improvement

Anotace:

Korekce interpunkce patří k jednomu z nejtěžších úkolů kontroly pravopisu pomocí automatických nástrojů. Nyní máme na trhu několik komerčních nástrojů, např. Grammaticon od firmy Lingea a Kontrolu pravopisu v MS Office, dále pak syntaktické analyzátory jako Synt a SET. Jejich úspěšnost ale zatím nebyla doposud pořádně vyhodnocena a porovnána. Prvním cílem této práce bylo seznámit se s těmito nástroji, sesbírat vhodná data pro testování a ono srovnání provést. Pro vyhodnocování byl vyvinut program Comma Text Processing, který vypočítá úspěšnost a statistiky, podle kterých můžeme výsledky korektorů porovnávat. Na základě zjištěných výsledků byly nalezeny nedostatky u analyzátoru SET a ty v další části vylepšeny.

Abstract:

Punctuation detection is one of the most difficult task in cheching grammar especially in Czech language. In these days, few commercial software like Grammaticon by Lingea or Grammar Checker in MS Office, and some syntactical analyzers like Synt and SET are avaiable on the market. Their accuracy has not been properly evaluated and compared however. The first aim of this thesis was to familiar with those tools, collect appropriate testing data sets and perform such comparison. For evaluating the accuracy, a software Comma Text Processing has been developed. This programme can count accuracy and statistics acording which we can evaluate the results of particular grammar checkers. Based on those results, the rules for the parser SET has been improved.

Klíčová slova

SET, Synt, Grammaticon, Kontrola pravopisu MS Office, syntaktická analýza, detekce interpunkce

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 10. 12. 2015

Obhajoba závěrečné práce

• Obhajoba proběhla 29. 1. 2016
• Vedoucí: RNDr. Vojtěch Kovář, Ph.D.
• Oponent: RNDr. Miloš Jakubíček, Ph.D.

Masarykova univerzita

Filozofická fakulta

Magisterský studijní program / obor:
Filologie / Český jazyk se specializací počítačová lingvistika