出版社：Eesti Rakenduslingvistika Ühing (Estonian Association for Applied Linguistics)
摘要：Clause splitting is usually included in syntactic analysis,but it can be also regarded as a task in itself.For example,for a corpus query system it would be convenient to have some knowledge about clause boundaries in order to enable the user to retrieve co-occurrences of words or grammatical categories not in the usual “window” of three or four words,but in the whole clause.This paper presents a rule-based clause splitting system for written Estonian.The input text has to be morphologically disambiguated,but no parsing is required.So the presented system offers a convenient option for tasks that need information about clause boundaries.Two types of clauses are recognized: parentheses are treated separately from other clauses.By parenthesis we mean a clause that is situated in another clause dividing the latter into two separate strings.Recognizing parentheses enables us to treat the divided clause as a whole.The clause splitting system achieves 96% precision and 95% recall in unrestricted Estonian texts.
其他摘要：Artiklis esitatakse üks viis,kuidas eestikeelses tekstis automaatselt tuvastada osalauseid ja nendega võrdsustatud osa infiniittarinditest,kusjuures omaette üksusena eristatakse kiilud kui sellised üksused,mis katkestavad endast mõlemal pool asuvat sama osalauset.Kirjeldatav süsteem toetub kirjavahemärkidele,osalause piiril olevatele üksiksõnadele ja verbi finiitsetele vormidele,olles põhijoontes kooskõlas EKK ja EKG II osalause-käsitlusega.Sõnade morfoloogiline analüüs ja ühestamine peavad olema tehtud,kuid süntaktilist analüüsi ei eeldata.Ehkki kirjeldatav algoritm on üsna lihtne,võimaldab ta osalausepiiri tuvastada küllalt hästi: kõigist võimalikest osalause ja kiilu piiridest tuvastas süsteem 95% (saak) ja kõigist väljapakutud piiridest olid õiged 96% (täpsus).Programmi abil on märgendatud osalaused Tartu Ülikooli koondkorpuse veebiversioonis.*.
