Back to search

National and Kapodistrian University of Athens

Developing the first Cretan Treebank

Abstract

dc:description

Η ταχεία ανάπτυξη των Γλωσσικής Τεχνολογίας έχει ωφελήσει κυρίως τις γλώσσες με πλούσια ψηφιακή παρουσία. Μοιραία, οι αποκλίνουσες από την επικρατούσα γλωσσικές ποικιλίες παραμένουν ως επί το πλείστον περιθωριοποιημένες λόγω έλλειψης οικονομικού ενδιαφέροντος και δεδομένων. Η παρούσα διπλωματική εργασία αντιμετωπίζει αυτήν την ανισότητα για τη διάλεκτο της Ανατολικής Κρήτης, μια ζωντανή ποικιλία της Νέας Ελληνικής, που στερείται των απαραίτητων γλωσσικών πόρων για την εκπαίδευση μοντέλων Επεξεργασίας Φυσικής Γλώσσας (ΕΦΓ). Η εργασία τοποθετεί την Ανατολική Κρητική διάλεκτο στο πλαίσιο ευρύτερων συζητήσεων για τη βιωσιμότητα των γλωσσικών ποικιλιών, τις ιδεολογίες γύρω από τις διαλέκτους και την ΕΦΓ γλωσσικών ποικιλιών με περιορισμένους υπολογιστικούς πόρους. Ταυτόχρονα σκιαγραφούνται οι δομικές ιδιαιτερότητες της διαλέκτου —φωνολογικές, μορφολογικές και συντακτικές— και επισημαίνονται οι προκλήσεις που ανακύπτουν από την έλλειψη τυποποιημένης ορθογραφίας και την περιορισμένη ψηφιακή διαθεσιμότητα διαλεκτικού γλωσσικού υλικού. Για την αντιμετώπιση αυτών των περιορισμών, η διπλωματική εργασία συνεισφέρει σε τρεις βασικούς τομείς. Πρώτον, αναπτύσσει ένα προφορικό σώμα κειμένων από αφηγήσεις στην Ανατολική Κρητική διάλεκτο, βασισμένο σε σχεδόν 1.000 λεπτά ραδιοφωνικών εκπομπών που καταγράφηκαν μεταξύ 1998 και 2001, από τα οποία 81 λεπτά (12.921 λέξεις) μεταγράφηκαν σε συνεργασία με γλωσσολόγο φυσικό ομιλητή. Δεύτερον, αξιολογεί και προσαρμόζει σύγχρονα μοντέλα Αυτόματης Αναγνώρισης Ομιλίας —τα XLS-R και Whisper— στη διάλεκτο. Η εκπαίδευση με επιπλέον διαλεκτικά δεδομένα μείωσε το ποσοστό σφαλμάτων λέξεων (Word Error Rate) από 58% (zero-shot) σε 28%. Τρίτον, ξεκινά τη δημιουργία μιας δεντροτράπεζας (dependency treebank) ευθυγραμμισμένης με την τυπολογία Universal Dependencies και προτείνει οδηγίες επισημείωσης για τα ειδικά χαρακτηριστικά της διαλέκτου, όπως τα ευφωνικά φαινόμενα και οι ηχηροποιήσεις. Μεθοδολογικά, η διπλωματική εργασία συνδυάζει ενεργή επισημείωση (active annotation), μεταφορά γνώσης (transfer learning) από τη Κοινή Νέα Ελληνική και μοντελοποίηση λαμβάνοντας υπόψη τα χαρακτηριστικά της διαλέκτου. Τα αποτελέσματα δείχνουν ότι, ενώ τα πολυγλωσσικά μοντέλα μπορούν να προσαρμοστούν σε ποικιλίες με περιορισμένους πόρους, η επίτευξη απόδοσης συγκρίσιμης με τις επικρατούσες γλωσσικές ποικιλίες απαιτεί εξειδικευμένους πόρους και εστιασμένη στη διαλεκτικά χαρακτηριστικά επισημείωση. Η εργασία αυτή συνεισφέρει στον αναδυόμενο τομέα της διαλεκτικής ΕΦΓ για την Ελληνική γλώσσα, παρέχοντας νέους πόρους, εμπειρικά δεδομένα και μεθοδολογικές προτάσεις. Με την εισαγωγή της Ανατολικής Κρητικής διαλέκτου στα σύγχρονα συστήματα ΕΦΓ, η διπλωματική εργασία θέτει τα θεμέλια για μελλοντικές προόδους στην ψηφιακή παρουσία των αποκλινουσών από την επικρατούσα γλωσσικών ποικιλιών και σε πρωτοβουλίες διατήρησης και ανάπτυξης των ποικιλιών σε συνεργασία με τις αντίστοιχες γλωσσικές κοινότητες.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Βακιρτζιάν Σωκράτης
  • Vakirtzian Socrates

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5308189

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Βακιρτζιάν Σωκράτης; Vakirtzian Socrates. Developing the first Cretan Treebank. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5308189