National and Kapodistrian University of Athens
Ανάπτυξη Ορθογράφου για την Ελληνική Γλώσσα με Χρήση Ελαφριών Τεχνικών Επεξεργασίας Φυσικής Γλώσσας
Abstract
dc:descriptionΗ παρούσα εργασία επικεντρώνεται στην ανάπτυξη ενός ελαφριού και λειτουργικού εργαλείου ορθογραφικού ελεγκτή (spellchecker) για την ελληνική γλώσσα, αξιοποιώντας τεχνικές Επεξεργασίας Φυσικής Γλώσσας (Natural Language Processing – NLP) με χαμηλό υπολογιστικό κόστος. Δεδομένων των γλωσσικών ιδιαιτεροτήτων της ελληνικής, όπως η πλούσια μορφολογία, η ύπαρξη τόνων και η εναλλαγή γραφημάτων με ίδιο φθόγγο, η εργασία επιδιώκει τη δημιουργία ενός διορθωτή που να είναι ευέλικτος, αξιόπιστος και κατάλληλος για ενσωμάτωση σε πραγματικές εφαρμογές. Στο θεωρητικό σκέλος παρουσιάζονται οι βασικές τεχνικές NLP, με ιδιαίτερη έμφαση στις ελαφριές μεθόδους (lightweight NLP), καθώς και τα εργαλεία spaCy, Hunspell, PyEnchant και Symspell, τα οποία αξιολογούνται ως προς τη δυνατότητα προσαρμογής τους στην ελληνική. Η υλοποίηση πραγματοποιήθηκε σε Python και συνδυάζει το γλωσσικό μοντέλο el_core_news_md της spaCy με τον ορθογραφικό έλεγχο του PyEnchant και του λεξικού Hunspell, ενισχυμένο με μηχανισμούς διόρθωσης τόνων και βελτιστοποίησης προτεινόμενων λέξεων με βάση similarity metrics. Το εργαλείο αξιολογήθηκε σε τρεις φάσεις: σε κείμενα με τεχνητά λάθη, στο πολύγλωσσο σύνολο MultiGEC, και μέσω σύγκρισης με Hunspell και Symspellpy. Τα αποτελέσματα έδειξαν ακρίβεια 80% σε σκόπιμα λάθη, BLEU δείκτη 0.517 και Levenshtein απόσταση 0.517 στο MultiGEC, ενώ στη συγκριτική αξιολόγηση πέτυχε F1-δείκτη 0.214, υπερτερώντας του Symspellpy και ισοδύναμο με το απλό Hunspell. Οι προσθήκες βελτίωσης, όπως η διόρθωση τόνων, συνέβαλαν καθοριστικά στη συνολική απόδοση. Η εργασία αποδεικνύει ότι οι ελαφριές τεχνικές NLP, αν και απλές, μπορούν να προσφέρουν ουσιαστικές λύσεις σε στοχευμένα προβλήματα, όπως ο ορθογραφικός έλεγχος σε γλώσσες με περιορισμένους ψηφιακούς πόρους, προτείνοντας ένα πρακτικό υπόδειγμα εφαρμογής για την ελληνική γλώσσα.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Κυριακοπούλου Κωνσταντίνα
- Kyriakopoulou Konstantina
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek, English
Identifiers
dc:identifier.*- Identifier
- uoadl:5295123