The development of the algorithm for alignment of prepositional constructions in the parallel Russian-Czech corpus

Abstract

В данной работе исследуется проблема выравнивания предложных конструкций в параллельных русско-чешских корпусах. Целью исследования является разработка алгоритма для извлечения предложных конструкций из русскоязычной части корпуса и поиска их переводных эквивалентов в чешском сегменте при помощи семантических, грамматических и синтаксических маркеров словоформ.

В работе рассмотрены теоретические вопросы, связанные с областью выравнивания текстов, особенности существующих подходов и сферы их применения. Помимо этого, изучены определения предлога и предложной конструкции, а также особенности русского и чешского языков, которые позволяют выявлять и выравнивать подобные конструкции.

В практической части исследования даны описания разработанного алгоритма и эксперимента по проведению процедуры выравнивания предложных конструкций. Методика проанализирована и оценена, высказаны предположения по дальнейшему развитию алгоритма.

This degree qualification degree paper addresses the issue of aligning prepositional constructions in parallel Russian-Czech corpora. In the paper, we aim at developing an algorithm for extracting prepositional constructions in Russian and finding the correct equivalents for them in Czech on the basis of the given text corpus.

The paper describes the theoretical issues in the field of alignment along with the peculiarities of different existing approaches. Their scopes of application are touched upon. In the theoretical part of the paper, the definitions of the preposition and the prepositional construction are investigated. We overview various linguistic aspects of Russian and Czech that allow us to extract and align prepositional constrctions.

In the practical part of the paper, we give the description of our algorithm. We present the results of the experiment aimed at aligning prepositional constructions in the parallel Russian-Czech corpus. These results are analyzed and evaluated. Further possibilities for development are discussed.