Informatiekunde in Groningen

Maat: px

Weergave met pagina beginnen:

Download "Informatiekunde in Groningen"

Francisca van den Brink
8 jaren geleden
Aantal bezoeken:

1 kunde in John Alfa-informatica Rijksuniversiteit Huus van de Taol 3 juni 2009

2 Technologie voor taal

3 kunde Studie waar computer centraal staat: Programmeren, ontwerpen, analyseren van ICT producten Gericht vooral op taal en geschiedenis Veel afgestudeerden in grotere ICT bedrijven of met eigen bedrijven Een aanrader voor jongen mensen die in ICT verder willen! Vandaag: Een kijk in de keuken van de onderzoekers

afgestudeerden in grotere ICT bedrijven of met eigen bedrijven Een aanrader

4 Nederlandse syntaxis top smain vc ppart mod pp prep bij0 obj1 np noun juwelier1 app noun A. B. Bakema2 mod pp prep aan5 obj1 np det det de6 noun A-straat7 mod pp prep in8 obj1 noun 9 mod adv vannacht11 mod pp prep om12 obj1 noun twintig over twee13 obj1 1 np det det een16 mod adj half17 noun tegel18 ld pp prep door19 obj1 np det det de20 noun ruit21 verb gooi22 verb ben10 su 1

adv vannacht11 mod pp prep om12 obj1 noun twintig over twee13 obj1 1 np det det een16 mod adj

5 Van Noord: Parsing Taalkundige grammatica plus Stochastisch model van toepassing 30 jaargangen kranten ( 500 Mln woorden), 8 CPU jaar kunde: 10-20% HPC cluster use Verbeteringen t.a.v. ANS, Van Dale Samenwerkingen met Van Dale, KPN, Spectrum,... Basis voor practische toepassingen

kunde: 10-20% HPC cluster use Verbeteringen t.a.v.

6 Parsing Nauwkeurigheid (F-Score) Accuracy Time (weeks) 2PR

7 Toepassingen van Parsing OVIS, Openbaar Vervoer systeem Telefooninformatiesysteem voor NS Samenwerking met Philips, KPN 83% gesprekken succesvol Sentimentanalyse in politieke krantartikels VU dissertatie detecteert positieve/negatieve attitude Standaardgebruik in veel STEVIN (NL/BE, OCW, EZ, NWO) Voorbeeld: interpreteer verwijzingen (hij, zij,...)

krantartikels VU dissertatie detecteert positieve/negatieve attitude Standaardgebruik

8 Bouma: Vragen beantwoorden Vind exact antwoord in tekstverzameling Wanneer is Willem de Zwijger overleden? 1584 in Delft Internationale Concurrentie: CLEF Bronnen: AD & NRC (1994 & 1995) Test sets: 200 vragen 4,1M zinnen (XML bestanden), 78M woorden allemaal ontleden, opgeslagen 25 Gb, 500 CPU dagen

1584 in Delft Internationale Concurrentie: CLEF Bronnen: AD & NRC (1994 &

9 Rol van taalkunde? Wie verleende asiel aan Mengistu? Zimbabwe verleende asiel aan Mengistu Aan Mengistu werd asiel verleend door Zimbabwe Wanneer vond de Duitse hereniging plaats? Sinds de Duitse hereniging in oktober Al in 62 voorspelde hij de Duitse hereniging... datum syntactisch afhankelijk van hereniging

Zimbabwe Wanneer vond de Duitse hereniging plaats?

10 CLEF 05 Evaluatie Data vrijgegeven: 18 mei, resultaten ingediend: 25 mei 200 vragen 60 definitie vragen (Wat is gingivitis?) 49,5% correct (op 2 na s werelds beste, beste in NL) s werelds beste vóór 2005: 47% (2004)

11 Medische Terminologie Extraheer terminologie, verhoudingen van medische teksten renale dysplasië, nierenfalen, renale infectie, glomerulaire filtratiesnelheid, hydronephrosis, kreatinefosfaat, acute glomeruli-nefritis,... streptococcale longontsteking is bacteriële longontsteking is pneumonia is longziekte is cardio-pulmonaire ziekte is... hoge koorts is-symptoom-van streptococcale longonsteking bacteriële longontsteking veroorzaakt glomeruli-nehpritis Bronnen: Wikipedia, Merck, Elsevier Medical UMLS (Unified Medical Language System) Toepassingen in indiceren, opleiding, automatisch samenvatten,... Fahmi proefschrift

.. streptococcale longontsteking is bacteriële longontsteking is pneumonia is longziekte is cardio-pulmonaire ziekte is.

12 Reeksvergelijkingen Vergelijkbaarheid in uitspraak meten Editafstand, (pair) Hidden Markov Models Applications Detecteer verwisselbare drogennamen (Kondrak, FDA) Detecteer transliteraties van vreemde namen IR, IE Pervez Musharraf, Pervez Musharaf,...

Detecteer verwisselbare drogennamen (Kondrak, FDA) Detecteer

13 Dialectuitspraken: 10 8 vergelijkingen

14 taal Woordenboek van de Drentse Dialecten!! Digitalisering van Sonttolregisters (G. Welling) Diagrammatische Redenatie (L. Bosveld) Automatische Vertaling (J. Tiedemann) Tekstverrijking (geographische referentie, definities) toevoeging voor krantteksten e-learning Ideën (dromen) Invloeddetecteren (stijl,..., plagiaat) extractie voor rechtsteksten, technische hanboeken,... Webdiensten voor geestes- en sociaalwetenschappers (samenwerking met UB )

Tiedemann) Tekstverrijking (geographische referentie, definities) toevoeging voor krantteksten e-learning Ideën

15 Technologie voor taal kunde: voor studenten die graag met computers werken!

Vergelijkbare documenten

Overzicht. Question Answering en Informatie Extractie. Joost: a QA system for Dutch. Question Answering

Overzicht. Question Answering en Informatie Extractie. Joost: a QA system for Dutch. Question Answering Overzicht Question Answering en Informatie Extractie Gosse Bouma Information Science University of Groningen Natuurlijke Taalverwerking II, 2006/2007 Question Answering Technieken Question Analysis Answer