Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Corpus-based methods for learning models of metaphor in modern Greek

Pechlivanis Konstantinos

Simple record


URIhttp://purl.tuc.gr/dl/dias/2C5C6EAD-312B-4D80-B99B-86E8B76319FA-
Identifierhttps://doi.org/10.26233/heallink.tuc.68185-
Languageen-
Extent74 pagesen
ExtentΑ4el
Extent1,7 megabytesen
TitleCorpus-based methods for learning models of metaphor in modern Greeken
TitleΥπολογιστικές μέθοδοι εκμάθησης μοντέλων εντοπισμού μεταφορικής σημασίας από σώματα νεοελληνικών κειμένωνel
CreatorPechlivanis Konstantinosen
CreatorΠεχλιβανης Κωνσταντινοςel
Contributor [Thesis Supervisor]Digalakis Vasilisen
Contributor [Thesis Supervisor]Διγαλακης Βασιληςel
Contributor [Committee Member]Lagoudakis Michaelen
Contributor [Committee Member]Λαγουδακης Μιχαηλel
Contributor [Committee Member]Konstantopoulos, Stasinos Then
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
DescriptionΜεταπτυχιακή Διατριβή που υποβλήθηκε στη σχολή ΗΜΜΥ του Πολ. Κρήτης για την πλήρωση προϋποθέσεων λήψης του Μεταπτυχιακού Διπλώματος Ειδίκευσηςel
Content SummaryIn this thesis, we propose a method for detecting metaphorical usage of content terms based on the hypothesis that metaphors can be detected by being characteristic of a different domain than the one they appear in. We formulate the problem as one of extracting knowledge from text classification models, where the latter have been created using standard text classification techniques without any knowledge of metaphor. We then extract from such models a measure of how characteristic of a domain a term is, providing us with a reliable method of identifying terms that are surprising for the context within which they are used. In order to investigate our research proposal we started with compiling-crawling a corpus of articles from three Greek newspapers that offer content on-line. In order to have an initial classification, we mapped the sections of these three newspapers to domains from the top level of the relevant taxonomy of the International Press Telecommunications Council (IPTC). The training set is only annotated with the broad thematic categories assigned by the newspapers’ editors. In order to evaluate our method, we have manually annotated 89 articles with metaphorical term usage. The manual annotation was carried out by an initial annotator, with an expert annotator resolving inconsistencies to create the golden corpus. The annotation task was designed and elaborated using Ellogon platform. In our experiments, we report results using Term Frequency - Inverse Document Frequency (TF-IDF) to identify the literal (characteristic) domain of terms and we analyse the interaction between TF-IDF and other typical word features, such as Part of Speech tags and Document Frequency. Terms could be words or N-grams. The classification of terms is accomplished using an adapted version of Maximum Likelihood Classifier. Our method makes single-term binary decisions about metaphorical usage. We applied Precision, Recall and F 1 -score as evaluation metrics. We compared our system to a naive baseline method and to relevant work as well. Although our model seems to be over-general, producing many false positives, the overall F 1 -score outperforms both the baseline method and the related previous work.en
Content SummaryΣκοπός της διπλωματικής εργασίας είναι η ανάπτυξη μεθόδων αναγνώρισης μεταφορικής και γενικά μη-κυριολεκτικής χρήσης όρων, βασιζόμενοι στην υπόθεση ότι μια λέξη που χρησιμοποιείται μεταφορικά ανήκει σε διαφορετική κατηγορία από αυτή του κειμένου στο οποίο εμφανίζεται. Η ιδέα βασίζεται στην λογική εξόρυξης πληροφορίας από γλωσσικά μοντέλα, τα οποία χρησιμοποιούν γνωστές μεθόδους ταξινόμησης, χωρίς να απαιτείται προγενέστερη γνώση των μεταφορών ή άλλων σημασιολογικών πόρων. Στόχος αυτών των μοντέλων είναι η εξαγωγή του βαθμού κατά τον οποίο ένας όρος είναι χαρακτηριστικός σε κάποια κατηγορία. Αυτό συντελεί στον εντοπισμό λέξεων οι οποίες δεν ανήκουν σημασιολογικά στο κείμενο στο οποίο εμφανίζονται. Εξετάζοντας την ερευνητική μας πρόταση, αρχικά, συλλέξαμε σώματα κειμένων από τρεις ελληνικές εφημερίδες που μοιράζονται το περιεχόμενό τους στο διαδίκτυο. Με σκοπό την απόκτηση μια αρχικής ταξινόμησης για κάθε άρθρο, υιοθετήσαμε την ταξινόμηση που παρέχει το International Press Telecommunications Council (IPTC) χρησιμοποιώντας τις πιο ευρείες κατηγορίες. Η μοναδική επισημείωση στα δεδομένα εκπαίδευσης είναι οι κατηγορίες των άρθρων, οι οποίες έχουν ανατεθεί από τους εκδότες των εφημερίδων. Για την αξιολόγηση της μεθόδου μας έχουμε επισημειώσει 89 άρθρα. Η διαδικασία επισημείωσης περιλαμβάνει των εντοπισμό των όρων που χρησιμοποιούνται μεταφορικά. Η επισημείωση εκπονήθηκε αρχικά από έναν επισημειωτή και στη συνέχεια, ένας ειδικευμένος επισημειωτής διόρθωσε τις ανακολουθίες που προέκυψαν, με σκοπό τη δημιουργία ενός σώματος κειμένων για τη δοκιμή του συστήματος. H διαδικασία επισημείωσης σχεδιάστηκε και εκπονήθηκε με τη χρήση της πλατφόρμας του Ellogon. Στα πλαίσια αυτής τη έρευνας, κάναμε χρήση της μετρικής Συχνότητα Όρων - Αντίστροφη Συχνότητα Εγγράφων (TF-IDF) με σκοπό τον εντοπισμό της χαρακτηριστικής κατηγορίας στην οποία ανήκει ένας όρος. Επιπλέον, αναλύσαμε την αλληλεπίδραση μεταξύ της μετρικής TF-IDF με άλλα χαρακτηριστικά λέξεων, όπως το μέρος του λόγου στο οποίο ανήκει, καθώς και τη συχνότητα εμφάνισής του στα διαφορετικά έγγραφα. Ένας όρος αποτελεί μια λέξη ή ένα n-γράμμα. Η κατηγοριοποίηση των όρων έγινε με τη χρήση μιας προσαρμοσμένης μορφής του Ταξινομητή Μέγιστης Πιθανοφάνειας. Η αξιολόγηση του συστήματος έγινε με την χρήση των μετρικών Precision, Recall και F1 -score. Η απόφαση μια επιτυχημένης ανίχνευσης λαμβάνει χώρα για κάθε όρο ξεχωριστά, ελέγχοντας αν είναι μη-κυριολεκτικής σημασίας. Τέλος, συγκρίναμε τα αποτελέσματα του συστήματος με ένα απλοϊκό μοντέλο, καθώς και με μια σχετική δουλειά που είχε υλοποιηθεί παλιότερα. Παρόλο που το μοντέλο μας δείχνει να είναι υπεργενικευμένο, ξεπερνάει σε απόδοση τα προαναφερθέντα.el
Type of ItemΜεταπτυχιακή Διατριβήel
Type of ItemMaster Thesisen
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2017-05-25-
Date of Publication2017-
SubjectInverse term frequencyen
SubjectΑντίστροφη συχνότητα εγγράφωνel
SubjectΕπεξεργασία φυσικής γλώσσαςel
SubjectNatural language processingen
SubjectΑναγνώριση μεταφοράςel
SubjectMetaphor detectionen
SubjectΕξαγωγή πληροφορίαςel
SubjectInformation extractionen
SubjectΕξαγωγή χαρακτηριστικώνel
SubjectFeature extractionen
SubjectΕξόρυξη κειμένουel
SubjectText miningen
SubjectΚατανεμημένες σημασιολογίεςel
SubjectIstributional semanticsen
SubjectΜηχανική μάθησηel
SubjectMachine learningen
SubjectCrawlingen
SubjectΚατηγοριοποίησηel
SubjectCategorizationen
SubjectAnnotationen
SubjectΕπισημείωσηel
SubjectΣτάθμιση όρωνel
SubjectTerm weightingen
SubjectΣυχνότητα όρωνel
SubjectTerm frequencyen
SubjectDocument frequencyen
SubjectΣυχνότητα εγγράφωνel
Bibliographic CitationKonstantinos Pechlivanis, "Corpus-based methods for learning models of metaphor in modern Greek", Master Thesis, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2017en
Bibliographic CitationΚωνσταντίνος Πεχλιβάνης, "Υπολογιστικές μέθοδοι εκμάθησης μοντέλων εντοπισμού μεταφορικής σημασίας από σώματα νεοελληνικών κειμένων", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2017el

Available Files

Services

Statistics