Development of a Stemmer for the Greek Language - SAIS

More documents

Recommendations

Info

Orasan C., Pekar V., and Hasler L. (2004): A comparison of summarisation methods based on term specificity estimation. In Proceedings of the Fourth International Conference on Language Resources and Evaluation (LREC-04). May, Lisbon, Portugal pp.1037-1041. Paice C. and Husk G. (1990): Another Stemmer, ACM SIGIR Forum 24(3): p 566 Petasis G. , Karkaletsis V.,. Farmakiotou D, Androutsopoulos I., and C.D. Spyropoulos. ÒA Greek Morphological Lexicon and its Exploitation by Natural Language Processing Applications. Lecture Notes on Computer Science (LNCS), vol.2563, "Advances in Informatics - Post-proceedings of the 8th Panhellenic Conference in Informatics". Vol. editors: Yannis Manolopoulos, Skevos Evripidou, Antonis Kakas, pp. 401-419, 2003. Porter M. (1980): An algorithm for suffix stripping. Program, 14(3), pp. 130-137. Porter M. (October 2001): http://snowball.tartarus.org Popovic M. and Willett P. (1992): The effectiveness of stemming for naturallanguage access to Slovene textual data. Journal of the American Society for Information Science, 43(5), pp. 384-390. Rogati M., McCarley S. and Yiming Y. (2003): Unsupervised Learning of Arabic Stemming using a Parallel Corpus. Proceedings of the 41st Annual Meeting of the Association for Computational Linguistics, pp. 391-398. Savoy J. (1993): Stemming of French words based on grammatical categories. Journal of the American Society for Information Science, Vol. 44, No 1, pp. 1-10. Tambouratzis G. and Carayannis G. (2001): Automatic Corpora-based Stemming in Greek. Literary and Linguistic Computing, Vol. 16, No. 4. Triantafyllidis M. (1941): Modern Greek Grammar. ”Institute M Triantalyllidis”. Xu J. and Croft W. B. (1998): Corpus-based stemming using cooccurrence of word variants. ACM Transactions on Information Systems, 16 (1), pp. 61-81. Yarowsky D. (2000): Hierarchical Decision Lists for Word Sense Disambiguation. Computer and the Humanities, 34, pp. 179–186. 38
APPENDIX A: Evaluation Results Word-set 1 Word-set 2 ΑΥΤΟΚΙΝΗΣΗ ΑΥΤΟΚΙΝΗΣ Υ∆ΡΟΘΕΡΑΠΕΙΑ Υ∆ΡΟΘΕΡΑΠΕΙ ΑΥΤΟΚΙΝΗΣΗΣ ΑΥΤΟΚΙΝΗΣ Υ∆ΡΟΘΕΡΑΠΕΙΑΣ Υ∆ΡΟΘΕΡΑΠΕΙ ΑΥΤΟΚΙΝΗΤΑ ΑΥΤΟΚΙΝΗΤ Υ∆ΡΟΘΕΡΑΠΕΙΕΣ Υ∆ΡΟΘΕΡΑΠΕΙ ΑΥΤΟΚΙΝΗΤΕ ΑΥΤΟΚΙΝΗΤ Υ∆ΡΟΘΕΡΑΠΕΙΩΝ Υ∆ΡΟΘΕΡΑΠΕΙ ΑΥΤΟΚΙΝΗΤΕΣ ΑΥΤΟΚΙΝΗΤ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤΑ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤ ΑΥΤΟΚΙΝΗΤΗ ΑΥΤΟΚΙΝΗΤ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤΟ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤ ΑΥΤΟΚΙΝΗΤΗ ΑΥΤΟΚΙΝΗΤ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤΟΥ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤ ΑΥΤΟΚΙΝΗΤΟ ΑΥΤΟΚΙΝΗΤ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤΩΝ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤ ΑΥΤΟΚΙΝΗΤΟΙ ΑΥΤΟΚΙΝΗΤ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤΟΥ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤ ΑΥΤΟΚΙΝΗΤΟΣ ΑΥΤΟΚΙΝΗΤ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤΩΝ ΠΑΙ∆ΟΠΟ∆ΗΛΑΤ ΑΥΤΟΚΙΝΗΤΟΥ ΑΥΤΟΚΙΝΗΤ ΒΡΟΧΟΧΟΡΕΥΑ ΒΡΟΧΟΧΟΡΕΥ ΑΥΤΟΚΙΝΗΤΟΥΣ ΑΥΤΟΚΙΝΗΤ ΒΡΟΧΟΧΟΡΕΥΑΝ ΒΡΟΧΟΧΟΡΕΥ ΑΥΤΟΚΙΝΗΤΩΝ ΑΥΤΟΚΙΝΗΤ ΒΡΟΧΟΧΟΡΕΥΕ ΒΡΟΧΟΧΟΡΕΥ ΧΟΡ∆ΙΖΑΜΕ ΧΟΡ∆ΙΖ ΒΡΟΧΟΧΟΡΕΥΕΣ ΒΡΟΧΟΧΟΡΕΥ ΧΟΡ∆ΙΖΑΝΕ ΧΟΡ∆ΙΖ ΒΡΟΧΟΧΟΡΕΨΑ ΒΡΟΧΟΧΟΡΕΨ ΧΟΡ∆ΙΖΑΤΕ ΧΟΡ∆ΙΖ ΒΡΟΧΟΧΟΡΕΨΑΝ ΒΡΟΧΟΧΟΡΕΨ ΧΟΡ∆ΙΖΕΙ ΧΟΡ∆ΙΖ ΒΡΟΧΟΧΟΡΕΨΕ ΒΡΟΧΟΧΟΡΕΨ ΧΟΡ∆ΙΖΕΙΣ ΧΟΡ∆ΙΖ ΒΡΟΧΟΧΟΡΕΨΕΣ ΒΡΟΧΟΧΟΡΕΨ ΧΟΡ∆ΙΖΕΤΕ ΧΟΡ∆ΙΖ ΕΠΙΤΡΟΠΟ ΕΠΙΤΡΟΠ ΧΟΡ∆ΙΖΟΜΕ ΧΟΡ∆ΙΖΟΜ ΕΠΙΤΡΟΠΟΙ ΕΠΙΤΡΟΠ ΧΟΡ∆ΙΖΟΝΤΑΣ ΧΟΡ∆ΙΖ ΕΠΙΤΡΟΠΟΣ ΕΠΙΤΡΟΠ ΧΟΡ∆ΙΖΟΥΜΕ ΧΟΡ∆ΙΖ ΕΠΙΤΡΟΠΟΥ ΕΠΙΤΡΟΠ ΧΟΡ∆ΙΖΟΥΝ ΧΟΡ∆ΙΖ ΕΠΙΤΡΟΠΟΥΣ ΕΠΙΤΡΟΠ ΧΟΡ∆ΙΖΟΥΝΕ ΧΟΡ∆ΙΖ ΕΠΙΤΡΟΠΩΝ ΕΠΙΤΡΟΠ ΧΟΡ∆ΙΖΩ ΧΟΡ∆ΙΖ ΒΟΡΕΙΟΑΣΙΑΤΙΚΑ ΒΟΡΕΙΟΑΣΙΑΤ ΧΟΡ∆ΙΞΕΙ ΧΟΡ∆ΙΞ ΒΟΡΕΙΟΑΣΙΑΤΙΚΕ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΧΟΡ∆ΙΣΑΜΕ ΧΟΡ∆ΙΣ ΒΟΡΕΙΟΑΣΙΑΤΙΚΕΣ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΧΟΡ∆ΙΣΑΝ ΧΟΡ∆ΙΣ ΒΟΡΕΙΟΑΣΙΑΤΙΚΗ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΜΕΛΛΟΝ ΜΕΛΛΟΝ ΒΟΡΕΙΟΑΣΙΑΤΙΚΗΣ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΜΕΛΛΟΝΤΑ ΜΕΛΛΟΝΤ ΒΟΡΕΙΟΑΣΙΑΤΙΚΟΙ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΜΕΛΛΟΝΤ ΜΕΛΛΟΝΤ ΒΟΡΕΙΟΑΣΙΑΤΙΚΟΥ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΜΕΛΛΟΝΤΑΣ ΜΕΛΛ ΒΟΡΕΙΟΑΣΙΑΤΙΚΟΥΣ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΜΕΛΛΟΝΤΕΣ ΜΕΛΛΟΝΤ ΒΟΡΕΙΟΑΣΙΑΤΙΚΟ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΜΕΛΛΟΝΤΟΣ ΜΕΛΛΟΝΤ ΒΟΡΕΙΟΑΣΙΑΤΙΚΟΣ ΒΟΡΕΙΟΑΣΙΑΤΙΚ ΑΡΕΙΕ ΑΡΕΙ ΒΟΡΕΙΟΑΣΙΑΤΙΚΩΝ ΒΟΡΕΙΟΑΣΙΑΤ ΑΡΕΙΟ ΑΡΕΙ ΥΠΟΜΕΛΗ ΥΠΟΜΕΛ ΑΡΕΙΟΙ ΑΡΕΙ ΥΠΟΜΕΛΟΣ ΥΠΟΜΕΛ ΑΡΕΙΟΣ ΑΡΕΙ ΥΠΟΜΕΛΟΥΣ ΥΠΟΜΕΛ ΑΡΕΙΟΥ ΑΡΕΙ ΥΠΟΜΕΛΩΝ ΥΠΟΜΕΛ 39
Page 1 and 2: Georgios Ntais Development of a Ste
Page 3 and 4: Acknowledgements I would like to th
Page 5 and 6: 4.2 The Results....................
Page 7 and 8: 1. Introduction Nowadays many tools
Page 9 and 10: The above stemmers and their algori
Page 11 and 12: A parallel corpus stemmer is langua
Page 13 and 14: Figure 3: “TZK algorithm” overv
Page 15 and 16: This system will help the users to
Page 17 and 18: 2. The Greek Language 2.1 History o
Page 19 and 20: Root word is a word that can not cr
Page 21 and 22: 2.5 Stem in Greek words As we menti
Page 23 and 24: do not have to deal with the diacri
Page 25 and 26: Of course there are suffixes which
Page 27 and 28: Example: ΥΠΟΘΕΣΗ ΥΠΟΘΕ
Page 29 and 30: Rule-set 8 if (word ends on ΑΓΑ
Page 31 and 32: The rule removes the suffix ΟΜΑ
Page 33 and 34: The rule doesn’t affect one group
Page 35 and 36: The rule doesn’t affect one group
Page 37 and 38: Figure 7: Captured and non-captured
Page 39 and 40: 4. Evaluation 4.1 The Method In ord
Page 41 and 42: 5. Conclusions and Future Work 5.1
Page 43: References Al-Sughaiyer I. and Al-K

Development of a Stemmer for the Greek Language - SAIS

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?