Building Corpora of Technical Texts : Approaches and Tools

Varování

Publikace nespadá pod Ekonomicko-správní fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Název česky	Budování korpusů technických textů : přístupy a nástroje
Autoři	SOJKA Petr LÍŠKA Martin RŮŽIČKA Michal
Rok publikování	2011
Druh	Článek ve sborníku
Konference	Fifth Workshop on Recent Advances in Slavonic Natural Languages Processing, RASLAN 2011
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	Workshop web page full paper in PDF slides
Obor	Informatika
Klíčová slova	language of mathematics;mathematics of language;math representation;m-term;similarity;DML-CZ;EuDML
Popis	Building corpora of technical texts in Science, Technology, Engineering, and Mathematics (STEM) domain has its specific needs, especially the handling of mathematical formulae. In particular, there is no widely accepted format to represent and handle math. We present an approach based on multiple representations of mathematical formulae that has been used for math retrieval, similarity and clustering of mathematical corpus. We provide an overview of our toolset, summarize our experiments to date and propose further research directions and approaches.
Související projekty:	Centrum komputační lingvistiky The European Digital Mathematics Library