Automatsko prepoznavanje i normalizacija vremenskih izraza u nestrukturiranim novinskim i medicinskim tekstovima na srpskom jeziku

Abstract

Ljudi u svakodnevnom životu koriste vreme kao univerzalni referentni sistem, u okviru koga se doga¯daji ili stanja nižu jedan za drugim, utvr¯duje dužina njihovog trajanja i navodi kada se neki doga¯daj desio. Znaˇcenje vremena i naˇcin na koji ˇcovek poima vreme ogledaju se i u komunikaciji, pre svega, u jeziˇckim izrazima koji se uˇcestalo koriste u svakodnevnom govoru. Vremenski izrazi, kao fraze prirodnog jezika koje na direktan naˇcin ukazuju na vreme, pružaju informaciju o tome kada se nešto dogodilo, koliko dugo je trajalo ili koliko ˇcesto se dešava. Uporedo s razvojem informatiˇckog društva, pove´cava se i koliˇcina slobodno dostupnih digitalnih informacija, što daje ve´ce mogu´cnosti pronalaženja potrebnih informacija, ali i utiˇce na složenost ovog procesa, iziskuju´ci koriš´cenje naprednih raˇcunarskih alata i mo´cnijih metoda automatske obrade tekstova prirodnih jezika. S obzirom na to da se znaˇcenje ve´cine elektronskih informacija menja u zavisnosti od vremena iskazanog u njima, radi uspešnog razumevanja tekstova pisanih prirodnim jezikom, neophodno je koriš´cenje alata koji su sposobni da automatski oznaˇce i informacije koje referišu na vreme i omogu´ce uspostavljanje hronološkog sleda opisanih doga¯daja. Stoga je potrebno razviti alate namenjene ekstrakciji vremenskih izraza, kod kojih su preciznost i odziv na visokom nivou i koji se brzo i jednostavno mogu prilagoditi novim zahtevima ili tekstovima drugog domena. Postojanje ovakvog sistema može u velikoj meri uticati na poboljšanje uˇcinka primene mnogih drugih aplikacija iz oblasti jeziˇckih tehnologija (ekstrakcija informacija, pronalaženje informacija, odgovaranje na pitanja, rezimiranje teksta itd.), ali i doprineti oˇcuvanju srpskog jezika u savremenom digitalnom okruženju...

People in everyday life use time as a universal reference system, within which, events or states are sequenced one after the other, it is established how long they lasted and it is stated when an event occurred. The meaning of time and the way humans perceive time is reflected in communication, most of all, in linguistic expressions frequently used in everyday speech. Temporal expressions, as natural language phrases which directly refer to time, provide information on when something happened, how long it lasted and how often it occurs. Alongside with the information society development, the amount of freely available digital information has increased, which provides a greater possibility of finding the necessary information, but also affects the complexity of this process, by requiring the use of advanced computer tools and more powerful natural language text processing methods. Having in mind that the meaning of most electronic information can change depending on time expressed in them, it is essential to use tools which can both automatically mark the information related to time and enable the establishment of chronological order of described events. Therefore, it is necessary to develop tools for extraction of temporal expressions with high levels of precision and recall, which can be easily and quickly adapted to new demands and texts from different domains. The existence of such a system can, to a great extent, affect the effectiveness improvement in implementation of many other applications from the field of language technology (information extraction, information retrieval, question answering, text summarization, etc.), but also contribute to the preservation of the Serbian language in the contemporary digital environment...