A kétnyelvű szótárak fontos építőelemei számos NLP alkalmazásnak, azonban előállításuk rendkívül idő- és pénzigényes, ezért az automatikus szótárépítés egyre nagyobb szerepet kap. Bemutatunk egy nyelvfüggetlen módszert, amelynek segítségével a Wiktionaryből kiindulva 53 nyelven összesen 1378 szótárat készült, köztük valószínüleg az első, gép által is olvasható magyar-vietnámi szótár.

1. Online soknyelv˝u sz´ot´arak
´Acs Judit
Matematikai Nyelv´eszeti Kutat´ocsoport
BME AAIT
judit@aut.bme.hu
April 28, 2015
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 1/12

2. G´ep ´altal olvashat´o sz´ot´arak
g´epi ford´ıt´as, inform´aci´okinyer´es stb.
kisebb nyelvekre nagyon kev´es
h´ar¨omsz¨ogel´es
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 2/12

3. Wiktionary
soknyelv˝u online sz´ot´ar
sz´ocikk szint˝u
form´az´ashoz sablonokat haszn´alnak
en.wiktionary.org, hu.wiktionary.org . . .
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 3/12

6. wikt2dict
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 6/12

7. wikt2dict
43 Wiktionary v´altozat
ford´ıt´asi t´abl´azatokat parszol
kimenet: ford´ıt´asi p´arok (.tsv)
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 6/12

8. wikt2dict
43 Wiktionary v´altozat
ford´ıt´asi t´abl´azatokat parszol
kimenet: ford´ıt´asi p´arok (.tsv)
55 nyelven 4.2M ford´ıt´asi p´ar
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 6/12

9. wikt2dict
43 Wiktionary v´altozat
ford´ıt´asi t´abl´azatokat parszol
kimenet: ford´ıt´asi p´arok (.tsv)
55 nyelven 4.2M ford´ıt´asi p´ar
116k angol-francia,
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 6/12

10. wikt2dict
43 Wiktionary v´altozat
ford´ıt´asi t´abl´azatokat parszol
kimenet: ford´ıt´asi p´arok (.tsv)
55 nyelven 4.2M ford´ıt´asi p´ar
116k angol-francia, 2 litv´an-vietn´ami p´ar :(
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 6/12

11. wikt2dict
43 Wiktionary v´altozat
ford´ıt´asi t´abl´azatokat parszol
kimenet: ford´ıt´asi p´arok (.tsv)
55 nyelven 4.2M ford´ıt´asi p´ar
116k angol-francia, 2 litv´an-vietn´ami p´ar :(
1704 magyar-vietn´ami, 1271 magyar-litv´an p´ar
:)
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 6/12

12. H´aromsz¨ogel´es
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 7/12

13. H´aromsz¨ogel´es
hu:c´eh

14. H´aromsz¨ogel´es
hu:c´eh
en:guild

15. H´aromsz¨ogel´es
hu:c´eh
en:guild ro:breasl˘a

16. H´aromsz¨ogel´es
hu:c´eh
en:guild ro:breasl˘a
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 7/12

17. Polisz´emia
en:book

18. Polisz´emia
en:book
fr:r´eserver

19. Polisz´emia
en:book
fr:r´eserver hu:k¨onyv

20. Polisz´emia
en:book
fr:r´eserver hu:k¨onyv
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 8/12

21. K´et pivot
en:book
fr:r´eserver hu:lefoglal

22. K´et pivot
en:book
fr:r´eserver hu:lefoglal
de:buchen

23. K´et pivot
en:book
fr:r´eserver hu:lefoglal
de:buchen
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 9/12

25. Linkek
http://nessie.nytud.hu/dict/
https://github.com/juditacs/wikt2dict
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 11/12

26. judit@aut.bme.hu
acs.judit@nytud.mta.hu
´Acs Judit, MTA NYTI Online soknyelv˝u sz´ot´arak 12/12