Enhancing regular expressions for Polish text processing

• Autorzy: Dorosz K. , Szczerbińska A.

Warianty tytułu

PL

Mechanizm rozszerzonych wyrażeń regularnych do przetwarzania tekstów języka polskiego

• Języki publikacji: EN

Abstrakty

EN

The paper presents proposition of regular expressions engine based on the modified Thompson’s algorithm dedicated to the Polish language processing. The Polish inflectional dictionary has been used for enhancing regular expressions engine and syntax. Instead of using characters as a basic element of regular expressions patterns (as it takes place in BRE or ERE standards) presented tool gives possibility of using words from a natural language or labels describing words grammar properties in regex syntax.

PL

W artykule zaprezentowano propozycje mechanizmu wyrażeń regularnych w oparciu o zmodyfikowany algorytm Thompsona dostosowany do przetwarzania tekstów w języku polskim. Prezentowane wyrażenia regularne wykorzystują słownik fleksyjny języka polskiego i pozwalają na budowę wzorców, w których elementami podstawowymi są wyrazy języka polskiego lub etykiety gramatyczne, a nie znaki (jak to ma miejsce w klasycznych wyrażeniach regularnych standardu BRE czy ERE).

Słowa kluczowe

EN

regular expressions; regex; natural language; Polish language processing; CLP library

PL

wyrażenia regularne; język naturalny; język polski; biblioteka CLP

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Science
• Rocznik: 2009
• Tom: Vol. 10
• Strony: 19--35
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Dorosz K.

• Computational Linguistics Department, Jagiellonian University, Krakow, Poland
• PhD Student Institute of Computer Science, AGH University of Science and Technology, Krakow, Poland

autor

Szczerbińska A.

• Msc. student Institute of Computer Science, AGH University of Science and Technology, Krakow, Poland

Bibliografia

• [1] W. Lubaszewski et. al.: Słowniki komputerowe i automatyczna ekstrakcja informacji z tekstu. Wydawnictwo AGH, pp. 107–126, 2009
• [2] E. Branny, M. Gajecki: Text Summarizing in Polish. Computer Science, Annual of AGH University Of Science and Technology, pp. 31–46, 2005
• [3] G. Grefenstette, P. Tapanainen: What is a word, What is a sentence? Problems of Tokenization.. 3rd Conference on Computational Lexicography and Text Research COMPLEX’94 Budapest, 1994
• [4] A. A. R. Sethi, J. D. Ullman: Compilers: Principles, Techniques, and Tools.. Addison-Wesley, 1988
• [5] J. Hopcroft, J. Ullman: Introduction to Automata Theory, Languages and Computation. Addison-Wesley, 1979
• [6] Regular Expressions. The Single UNIX Specification, Version 2, The Open Group, 1997, http://opengroup.org/onlinepubs/007908775/xbd/re.html