Kontextově informovaná predikce slovních tvarů

Abstract

Standardní formulace úlohy predikce slovních tvarů je predikce cílového tvaru slova, když je zadaný základní tvar a jeho morfo-syntaktické značky. Typické využití predikce slovních tvarů zahrnuje automatickou opravu textu, strojový překlad a obohacování korpusů. Cílem naší práce je vytvořit model, který predikuje slovní tvar ze zadaného základního tvaru a kontextu věty namísto spoléhání se na další vstupy, jako například na morfo-syntaktické značky. V naší práci jsme zkonstruovali českou datovou sadu pro trénink, validaci a vyhodnocení kontextově informované predikce inflexních forem. Dále jsme navrhli dva přístupy řešící zkoumaný problém. Na závěr jsme provedli automatické i lidské hodnocení navrhovaných přístupů.

Standard word form prediction is the task of predicting the target word-form given its base-form and morpho-syntactic tags. The typical use cases include automatic text correction, machine translation, and corpora enrichment. The aim of our thesis is to create an infection prediction model that predicts the target inflection from the input base-form and the sentence context instead of relying on other additional inputs like morpho-syntactic tags. In our work, we constructed a Czech dataset for the training, validation, and evaluation of the context-aware prediction of inflectional forms. Furthermore, we proposed two approaches for the prediction task. Finally, we performed both automatic and human evaluations of the proposed models.