Untitled

Kaalep, Heiki-Jaan

doi:10.1023/a:1000668108369

Cited by 12 publications

(2 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Table 1 shows the extracted features for the sentence. The morphological information was extracted using the morphological analyzer t3mesta (Kaalep 1997, Kaalep, Vaino 1998.…”

Section: Feature Extractionmentioning

confidence: 99%

Authorship verification of opinion pieces in Estonian

Petmanson

2014

ERYa

View full text Add to dashboard Cite

Authorship verification is an important subproblem in authorship attribution and plagiarism detection tasks. We present a novel approach for extracting stylistic features unique to individual authors. We use the correlations of important textual features as a way to learn the style. The goal of our proposed method is to answer the following question: given a set of documents known to be written by the same person and an unknown document, is the unknown document also written by that individual. We present the first study of this problem conducted on opinion pieces written in Estonian. Our method achieves 74% precision, which is comparable with current state-of-theart systems tested in other languages, whereas the recall level is still something to be improved on.

show abstract

“…Table 1 shows the extracted features for the sentence. The morphological information was extracted using the morphological analyzer t3mesta (Kaalep 1997, Kaalep, Vaino 1998.…”

Section: Feature Extractionmentioning

confidence: 99%

Authorship verification of opinion pieces in Estonian

Petmanson

2014

ERYa

View full text Add to dashboard Cite

show abstract

“…Morfoloogilise ühestamise käigus määratakse tekstisõna lokaalset konteksti (selle vahetus ümbruses asuvaid sõnu) analüüsides selle lemma ehk algvorm, sõnaliik ja sõnavormis kodeeritud grammatilised kategooriad (Kaalep 1997, Kaalep , Vaino 1998. Morfoloogilise ühestaja väljundist on enne tekstikorpuste võrdlemist eemaldatud lausemärgi (nt -, /, ?…”

Section: Morfoloogiline Märgendamineunclassified

Meetodeid tekstide leksikaalsete ja grammatiliste erinevuste tuvastamiseks meditsiiniliste tarbetekstide näitel

Sirel

2013

Eesti Rakenduslingvistika Ühingu Aastaraamat Estonian Papers in Applied Linguistics

View full text Add to dashboard Cite

Ülevaade. Artiklis käsitletakse seni uurimata eestikeelset ressurssi: ravimipakendites sisalduvaid infolehti ja arstidele suunatud ravimeid tutvustavaid kokkuvõtteid. Nimetatud ainestiku analüüsimiseks kasutatakse mõnda läbipaistvat statistilist meetodit, mis võimaldavad kerge ja grammatilisi erinevusi. Taolise analüüsi eesmärgiks on ühest küljest katsetada nimetatud meetodite efektiivsust tekste eristavate karakteristikute leidmisel, kuid ka koguda andmestikust lähtuvaid taustateadmisi keeletehnoloogiliste rakenduste efektiivsemaks loomiseks. * Võtmesõnad: korpuslingvistika, tekstilingvistika, tekstikorpused, SissejuhatusInfotehnoloogia võidukäiguga seoses on kasvanud kõiksugu dokumentide ja tekstide hulk ning kättesaadavus, mis omakorda on loonud nõudluse tehnoloogiate ja algoritmide järele, mis võimaldaksid seda ressurssi efektiivsemalt töödelda ja hallata. Nii näiteks on näha jätkuvalt kasvavat huvi erinevatest tekstidest informatsiooni kogumise (ingl information extraction), nende automaatse liigitamise (document classification), automaatse kokkuvõtmise (automatic summarisation) jms vastu.Käsikäes saadaval olevate tekstide hulgaga on suurenenud ka nende varieeruvus, kuna tekste luuakse väga erinevatel eesmärkidel ning erinevatele sihtgruppidele. Keeletehnoloogias on paraku üsna tavapärane olukord, kus ühe keelekogu alusel loodud mudel või meetod toimib selle kogu raames suurepäraselt, kuid teisele korpusele rakendades annab meetod märksa tagasihoidlikemaid tulemusi (Kilgarriff 2001). Põhjus ongi enamasti erinevate tekstikogude keelekasutuse suures varieeruvuses, mistõttu on tarvis uurida funktsioonilt ja keelelistelt tunnustelt

show abstract

Normalization of Temporal Information in Estonian

Treumuth

Text, Speech and Dialogue

View full text Add to dashboard Cite

I present a model for processing temporal information in Estonian natural language. I have built a tool to convert natural-language calendar expressions to semi-formalized semantic representation. I have further used this representation to construct formal SQL constraints, which can be enforced on any relational database. The model supports compound expressions (conjunctive and disjunctive), negation and exception expressions. The system is built to work on Oracle databases and is currently running on Oracle 10g with a PHP web interface.

show abstract

Untitled

Cited by 12 publications

References 3 publications

Authorship verification of opinion pieces in Estonian

Authorship verification of opinion pieces in Estonian

Meetodeid tekstide leksikaalsete ja grammatiliste erinevuste tuvastamiseks meditsiiniliste tarbetekstide näitel

Normalization of Temporal Information in Estonian

Contact Info

Product

Resources

About