Nyelvtechnológiai kutatások

A Nyelvtechnológiai Csoportnál 1998 óta folynak nyelvtechnológiai (elsõsorban információkinyerési) kutatások, a csoport mára a magyar számítógépes nyelvészet egyik meghatározó mûhelyévé vált. Munkánk folyamán magyar és angol nyelvû szövegek feldolgozásával foglalkozunk. Általános célkitûzésünk, hogy az egyes kifejlesztett technológiák nyelvfüggetlenek vagy legalább könnyen adaptálhatóak legyenek.

Az információkinyerés célja, hogy folyó szövegekbõl automatikus módon jussunk hasznos információkhoz, összefüggésekhez. Igazi haszna akkor mutatkozhat meg, amikor nagy mennyiségû szöveget kell végigolvasni a szükséges információ megtalálásához. Ekkor - megfelelõ méretû tanító adatbázis esetén - a gépi tanulóalgoritmusok segítségével radikálisan csökkenthetõ a szükséges emberi munkaerõ-ráfordítás. A legfontosabb alkalmazási területek az információ kinyerés üzleti hírekbõl, biológiai publikációkból, orvosi jelentésekbõl és az internetrõl (például fórumokból, blogokból).

A kézzel egyértelmûsített Szeged Korpusz és TreeBank, a Magyar WordNet, a SzegedNE és egyéb korpuszok kifejlesztése lehetõvé tették gépi tanuláson alapuló módszerek alkalmazását magyar nyelvû szövegek szintaktikai és szemantikai elemzésére. A csoport rendelkezik az elemzésekhez szükséges alaptechnológiákkal (szófaji elemzõ /POS-tagger/, szintaktikai elemzõ, tulajdonnév-felismerõ és kategorizáló, jelentés-egyértelmûsítõ) mind magyar, mind angol nyelvre.

A Nyelvtechnológiai Csoportban zajló kutatásokhoz fiatal és tapasztalt kutatók, PhD- és MSc-hallgatók, programozók és nyelvészek is egyaránt hozzájárulnak tudásuk legjavával. A csoport a témában több mint 70 publikációval rendelkezik, az elmúlt években 16 pályázatban vett részt, valamint számos ipari alkalmazás megvalósításában is részt vállalt. A csoport tagjai írták a 2007 nyarán megjelent Szövegbányászat címû könyv információkinyeréssel foglalkozó fejezetét is.

A csoport tagjainak szervezésében valósult meg:

• A 2003 óta évenként megrendezésre kerülõ Magyar Számítógépes Nyelvészeti Konferencia.
• A CoNLL-2010 konferenciához kapcsolódó versenykiírás (CoNLL-2010 Shared Task)
• 4. WordNet konferencia (The Fourth Global WordNet Conference)

Kapcsolat

Csoportvezetõ: CSIRIK János

Tel: +36-62-544126, +36-62-546396

Fax: +36 62 546737

Cím: Szeged, 6720, Tisza Lajos körút 103.

Munkatársak

CSIRIK János, egyetemi tanár, csoportvezetõ

FARKAS Richárd, szenior kutató

VINCZE Veronika, szenior kutató, nyelvész szakértõ

BEREND Gábor, kutató

DOBÓ András, PhD-hallgató

NAGY István, PhD-hallgató

KOJEDZINSZKY Tamás, szoftverfejlesztõ

NAGY Ágoston, szoftverfejlesztõ

ZSIBRITA János, szoftverfejlesztõ