Automatic term extraction: Evidence from Finnish texts

Abstract

МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ Коноваловой Александры Владимировны «Извлечение терминов автоматическими методами (на материале финских текстов)» Программа: «Прикладная и экспериментальная лингвистика» Научный руководитель доц., к.ф.н. М. В. Хохлова Целью диссертации является исследование терминов и терминологиче-ских словосочетаний в финском языке. Для достижения данной цели были ре-шены такие задачи как теоретическое описание терминов в финском языке, изучение программного обеспечения для выделения терминов, описание моделей терминов в рамках грамматики SketchEngine, выявление выделенных терминов на основе разработанной грамматики из корпуса экономических текстов и последующий анализ результатов. К методам, использованным в исследовании, относятся корпусный анализ данных, статистические методы и подход с использованием правил. Актуальность исследования заключается в том, что проблема автоматического извлечения терминов рассматривалась в контексте финского языка, на материале которого все еще мало работ в данной области. Анализ результатов показывает их несомненную практическую значимость, например, при построении словарей, создании систем машинного перевода и т.д. Объектом исследования являются термины финского языка (конкретнее — экономическая терминология, встречающаяся в газетных статьях), а предметом — автоматическое извлечение данных терминов из текстов. Материалом для исследования является корпус газетных статей по тематике «Экономика» объемом 50 тыс. токенов. Для извлечения терминов была написана и протестирована грамматика SketchEngine. Грамматика состоит из 50 правил для извлечения существитель-ных (преимущественно сложных слов), содержащих в своем составе базовые экономические термины (pääoma ‘капитал’, talous ‘экономика’, vero ‘налог’ и другие), и одного правила для извлечения словосочетаний. Точность извлеченных кандидатов в термины зависит от лексемы: для pääoma ‘капитал’ точность составляет 0,51, для talous ‘экономика’ — 0,72, для vero ‘налог’ — 0,66. Работа состоит из введения, трех глав, заключения, списка литературы, списка источников и приложения. Объем работы (без приложения) — 70 страниц.

Graduation Master Thesis from Konovalova Aleksandra Vladimirovna “Automatic term extraction: Evidence from Finnish texts” Saint Petersburg State University, Faculty of Philology, Computational Linguistics Department, Computational Linguistics and Information Technologies Thesis deals with terminology extraction from Finnish texts, specifically – from articles gathered from Finnish economic news’ websites. The purpose of research is to study Finnish terms and their extraction. To achieve that goal, a sketch-grammar for extracting terms was written and tested on the Finnish corpus consisting of 50 thousand token. Extracted candidate terms were rated according to the Dictionary of Economics (Taloussanakirja) and General Finnish Ontology (Yleinen Suomalainen Ontologia), which are available online. Thesis consists of contents, an introduction, three chapters, a conclusion, bibliography and an annex, overall – 70 pages without the annex.