Syntaksia suomenruotsalaisittain

Summary: Syntactic features of Finno-Swedish

A Dependency Parsing Approach to Biomedical Text Mining

Biomedical research is currently facing a new type of challenge: an excess of information, both in terms of raw data from experiments and in the number of scientific publications describing their results. Mirroring the focus on data mining techniques to address the issues of structured data, there has recently been great interest in the development and application of text mining techniques to make more effective use of the knowledge contained in biomedical scientific publications, accessible only in the form of natural human language. This thesis describes research done in the broader scope of projects aiming to develop methods, tools and techniques for text mining tasks in general and for the biomedical domain in particular. The work described here involves more specifically the goal of extracting information from statements concerning relations of biomedical entities, such as protein-protein interactions. The approach taken is one using full parsing—syntactic analysis of the entire structure of sentences—and machine learning, aiming to develop reliable methods that can further be generalized to apply also to other domains. The five papers at the core of this thesis describe research on a number of distinct but related topics in text mining. In the first of these studies, we assessed the applicability of two popular general English parsers to biomedical text mining and, finding their performance limited, identified several specific challenges to accurate parsing of domain text. In a follow-up study focusing on parsing issues related to specialized domain terminology, we evaluated three lexical adaptation methods. We found that the accurate resolution of unknown words can considerably improve parsing performance and introduced a domain-adapted parser that reduced the error rate of theoriginal by 10% while also roughly halving parsing time. To establish the relative merits of parsers that differ in the applied formalisms and the representation given to their syntactic analyses, we have also developed evaluation methodology, considering different approaches to establishing comparable dependency-based evaluation results. We introduced a methodology for creating highly accurate conversions between different parse representations, demonstrating the feasibility of unification of idiverse syntactic schemes under a shared, application-oriented representation. In addition to allowing formalism-neutral evaluation, we argue that such unification can also increase the value of parsers for domain text mining. As a further step in this direction, we analysed the characteristics of publicly available biomedical corpora annotated for protein-protein interactions and created tools for converting them into a shared form, thus contributing also to the unification of text mining resources. The introduced unified corpora allowed us to perform a task-oriented comparative evaluation of biomedical text mining corpora. This evaluation established clear limits on the comparability of results for text mining methods evaluated on different resources, prompting further efforts toward standardization. To support this and other research, we have also designed and annotated BioInfer, the first domain corpus of its size combining annotation of syntax and biomedical entities with a detailed annotation of their relationships. The corpus represents a major design and development effort of the research group, with manual annotation that identifies over 6000 entities, 2500 relationships and 28,000 syntactic dependencies in 1100 sentences. In addition to combining these key annotations for a single set of sentences, BioInfer was also the first domain resource to introduce a representation of entity relations that is supported by ontologies and able to capture complex, structured relationships. Part I of this thesis presents a summary of this research in the broader context of a text mining system, and Part II contains reprints of the five included publications.

Mikael Agricolan teosten kielen ala-, ylä-, ja -pää-vartaloiset adpositiot

Adpositions with the stems ala, ylä and pää in the language of Mikael Agricola’s writings The language of Mikael Agricola’s (c 1510–1557) writings represents an interesting phase in the development of the Finnish system for adpositions. In the Finnish language, the older Uralic system of postpositions has undergone expansion and a new system of prepositions has been adopted. On the other hand, the adposition system found in Agricola’s writings has also been strongly affected by foreign models, because Agricola’s texts are mainly translations of religious texts, which by and large use a word-for-word translation strategy. In the thesis, I explore Agricola’s use of adpositions; more specifically, which adpositions carry the meaning of ‘being under’ or ‘being over’ something, and in what other functions these adpositions are used. My main focus is on the semantics of the adpositions. I also study the syntactic features of adpositions and adposition structures; these are intertwined with semantics, since the meaning of adpositions is established in the adposition clause. Finally, I compare Agricola’s use of adpositions to the corresponding adpositions of present-day Finnish. Adpositions with stems ala, ylä and pää form an interesting subject for research. Their frequency in the data, however, is highly uneven. The overwhelming majority of the adpositions studied in the thesis are päälle; there are only two occurrences of adpositions with the stem ylä. Adpositions typically denote a location ‘under’ or ‘above’ something. Almost half of the adpositions, however, can be classified as semantically unmotivated and as representing a foreign model in terms of the Finnish language; they do not occur in present-day Finnish. In Agricola’s texts they act in more grammatical roles than the corresponding adpositions of present-day Finnish. In the thesis, the corresponding adpositions in the source languages are carefully analysed. All other uses of the adpositions are marginal in relation to spatial ones and those based on foreign models. The original meanings of the adpositions have not changed much since Agricola, but adpositions considered to originate from foreign models have been intentionally eliminated in presentday standard Finnish. It is also noteworthy that the system of adpositions with the stems ala, ylä and pää has changed since Agricola. His texts include the adposition ala, which corresponds to the modern adposition alle. Likewise the adposition yllä is absent in Agricola, as are the internal locative cases of the adposition pää.

Esiopetuskirjojen harjoitukset kielellisen tietoisuuden kehittäjinä

Tutkimus oli kasvatustieteellinen varhaiskasvatuksen alan tutkimus, jossa hyödynnettiin kielitieteellistä käsitteistöä. Tutkimuksen kohteena olivat esiopetuskirjojen kielellisen tietoisuuden harjoitukset. Aineistona oli 12 esiopetuksen harjoituskirjaa ja opettajan opasta. Kirjoissa oli yhteensä yli 2000 sivua ja yli 1300 harjoitusta. Tarkemmassa analyysissä olleiden harjoitusten määrä oli noin 460. Analyysimenetelmänä käytettiin sisällönanalyysiä, jonka avulla tutkittiin, millaisia kielellisen tietoisuuden harjoituksia esiopetuskirjoissa oli ja miten harjoitukset etenivät. Kielellisen tietoisuuden harjoitukset luokiteltiin fonologisen, morfologisen ja syntaktisen tietoisuuden harjoituksiin. Fonologinen tietoisuus käsitettiin lapsen kyvyksi havaita ja käsitellä kielen äännerakennetta. Morfologisella tietoisuudella tarkoitettiin kykyä havaita ja käsitellä kielen morfeemeja eli pienimpiä merkityksellisiä osia. Syntaktisella tietoisuudella tarkoitettiin lapsen tietoisuutta siitä, miten lauseet rakentuvat. Olennaisiksi piirteiksi fonologisen tietoisuuden harjoituksissa identifioituivat harjoitusten edellyttämä tai harjoittama tietoisuuden taso, harjoitusten kohteena olevien lingvististen yksiköiden taso ja harjoitustyyppi sekä morfologisen ja syntaktisen tietoisuuden harjoituksissa tietoisuuden taso ja harjoitustyyppi. Tutkimuksessa luotiin aikaisempien tutkimusten pohjalta mallit siitä, miten eri harjoitukset etenisivät optimaalisesti lapsen kielellisen tietoisuuden kehittymisen kannalta. Eri harjoituskirjojen harjoitusten etenemistä verrattiin näihin malleihin. Fonologisen tietoisuuden harjoituksista voitiin tunnistaa viisi päätyyppiä, joista useat jakautuivat vielä alatyypeiksi. Harjoitusten alatyypit ilmaisivat yleensä harjoituksissa käytettävän kognitiivisen operaation – käytettiinkö harjoituksessa tunnistamista, yhdistämistä vai osiin jakamista. Tämä samoin kuin harjoituksessa käytetty lingvistinen yksikkö (sana, loppusointu, tavu tai äänne) ja tietoisuuden taso olivat yhteydessä harjoituksen vaikeuteen. Tutkimuksissa ja interventioissa esiopetusikäisilläkin käytettyjä muunteluharjoituksia, joissa sanasta tai tavusta poistetaan osa, siihen lisätään osa tai osaa siirretään, harjoituskirjoissa ei ollut. Morfologisen tietoisuuden harjoitukset kohdistuivat yhdyssanoihin, taivutuspäätteisiin tai johdoksiin. Syntaktisen tietoisuuden harjoituksista identifioitui yhdentoista harjoituslajin alatyypin kautta kuusi päätyyppiä. Tutkimusta voidaan hyödyntää esiopetuskirjojen arvioinnissa ja laatimisessa sekä varhaiskasvatus- ja esiopetuspedagogiikassa.

Tekijännimet Mikael Agricolan teosten kielessä. Henkilötarkoitteisten johdosten merkitykset, funktiot ja rakenteet

My research deals with agent nouns in the language of the works of Mikael Agricola (ca. 1510–1557). The main tasks addressed in my thesis have been to describe individual agent noun types, to provide a comprehensive picture of the category of agent nouns and to clarify the relations between different types of agent nouns. My research material consists of all the agent nouns referring to persons in the language of Agricola’s works, together with their context. The language studied is for the most part translated language. Agent nouns play an important role both in the vocabulary of natural language and in broader sentence structures, since in a text it is constantly necessary to refer to actors re-ferring to persons in the text. As a concept and a phenomenon, the agent noun is widely known in languages. It is a word formed with a certain derivational affixes, which typical-ly refers to a person. In my research the agent noun category includes both deverbal and denominal derivatives referring to persons, e.g. kirjoittaa > kirjoittaja (to write > writer), asua > asuva (to inhabit > inhabitant), imeä > imeväinen (to suck > suckling), juopua > juopunut (to drink > drunkard), pelätä > pelkuri (to fear > one who fears ‘a coward’), apu > apulainen (help/to help > helper); lammas > lampuri (sheep > shepherd). Besides original Finnish expressions, agent noun derivatives taken as such from foreign languages form a word group of central importance for the research (e.g. nikkari, porvari, ryöväri, based on the German/Swedish for carpenter, burgher, robber). Especially important for the formation of agent nouns in Finnish are the models offered by foreign languages. The starting point for my work is predominantly semantic, as both the criteria for collecting the material and the categorisation underlying the analysis of the material are based on semantic criteria. When examining derivatives, aspects relating to structure are also inevitably of central importance, as form and meaning are closely associated with each other in this type of vocabulary. The alliance of structure and meaning can be described in an illustrative manner with the help of structural schemata. The examination of agent nouns comprises on the one hand analysis of syntactic elements and on the other, study of cultural words in their most typical form. The latter aspect offers a research object in which language and the extralinguistic world, referents, their designations and cultural-historical reality are in concrete terms one and the same. Thus both the agent noun types that follow the word formation principles of the Finn-ish language and those of foreign origin borrowed as a whole into Finnish illustrate very well how an expression of a certain origin and formed according to a certain structural model is inseparably bound up with the background of its referent and in general with semantic factors. This becomes evident both on the level of the connection between cer-tain linguistic features and text genre and in relation to cultural words referring to per-sons. For example, the model for the designations of God based on agent nouns goes back thousands of years and is still closely linked in 16th century literature with certain text genres. This brings out the link between the linguistic feature and the genre in a very con-crete manner. A good example of the connection between language and the extralinguistic world is provided by the cultural vocabulary referring to persons. Originally Finnish agent noun derivatives are associated with an agrarian society, while the vocabulary relat-ing to mediaeval urbanisation, the Hansa trade and specialisation by trade or profession is borrowed and originates in its entirety from vocabulary that was originally German.

A systematic mapping study of web services discovery mechanisms

Context: Web services have been gaining popularity due to the success of service oriented architecture and cloud computing. Web services offer tremendous opportunity for service developers to publish their services and applications over the boundaries of the organization or company. However, to fully exploit these opportunities it is necessary to find efficient discovery mechanism thus, Web services discovering mechanism has attracted a considerable attention in Semantic Web research, however, there have been no literature surveys that systematically map the present research result thus overall impact of these research efforts and level of maturity of their results are still unclear. This thesis aims at providing an overview of the current state of research into Web services discovering mechanism using systematic mapping. The work is based on the papers published 2004 to 2013, and attempts to elaborate various aspects of the analyzed literature including classifying them in terms of the architecture, frameworks and methods used for web services discovery mechanism. Objective: The objective if this work is to summarize the current knowledge that is available as regards to Web service discovery mechanisms as well as to systematically identify and analyze the current published research works in order to identify different approaches presented. Method: A systematic mapping study has been employed to assess the various Web Services discovery approaches presented in the literature. Systematic mapping studies are useful for categorizing and summarizing the level of maturity research area. Results: The result indicates that there are numerous approaches that are consistently being researched and published in this field. In terms of where these researches are published, conferences are major contributing publishing arena as 48% of the selected papers were conference published papers illustrating the level of maturity of the research topic. Additionally selected 52 papers are categorized into two broad segments namely functional and non-functional based approaches taking into consideration architectural aspects and information retrieval approaches, semantic matching, syntactic matching, behavior based matching as well as QOS and other constraints.

Altaica from Harrassowitz

Kirjallisuusarvostelu

Ohuiden päällystyskerrosten applikointi puukuitupohjaisille materiaaleille

Työn aiheena oli tutkia vaahdon soveltuvuutta ohuiden päällystyskerrosten applikointiin paperin tai kartongin pinnalle. Paperia ja kartonkia päällystetään teollisessa mittakaavassa eri menetelmillä, mutta niille kaikille yhteistä on päällystyspastan laimentaminen vedellä ennen applikointia ja laimennusveden haihduttaminen applikoinnin jälkeen päällysteen asettamiseksi. Laimennus on tärkeää pastan komponenttien tasaisen levittämisen vuoksi, mutta veden haihduttaminen kuluttaa valtavasti energiaa. Tekstiiliteollisuudessa on saavutettu merkittäviä säästöjä kuivausenergiassa korvaamalla laajalti vedellä laimentaminen vaahdottamisella. Diplomityön kirjallisessa osassa käytiin läpi vaahdon kemiallisia ja fysikaalisia ominaisuuksia sekä selvitettiin mitä kemikaaleja ja laitteita vaahdotukseen käytetään. Lisäksi luotiin katsaus vaahtoprosessien käyttöön tekstiiliteollisuudessa ja muilla aloilla. Kokeellinen osa koostui esikokeista, joissa selvitettiin pastan koostumuksen vaikutuksia vaahtoamiseen, ja pilot-mittakaavan koeajoista, joissa esikokeiden tuloksia hyödynnettiin. Esikokeissa huomiota kiinnitettiin varsinkin eri polyvinyylialkoholien (PVA) seosten erinomaiseen vaahtoavuuteen. Pilot-koeajoissa vaahtopäällystys vaikutti lupaavalta menetelmältä, joskaan täysin tyydyttävää päällystystulosta ei saavutettu. Suurimpana ongelmana esiintyi ilman pääseminen pohjapaperin ja päällysteen väliin ja siitä seuraava huono päällystejälki. Toisen ongelmakokonaisuuden muodostivat päällysteeseen jäävät reiät. Vaahtopäällystys vaikuttaa lupaavalta tekniikalta ohuiden päällystekerrosten applikointiin, mutta pastareseptejä tulee optimoida ja ratkaista päällysteen alle pääsevän ilman ongelma.

Suomen essiivi

Essiivi on suomen kielen sijamuoto, jota käytetään nykykielessä erilaisten olotilojen ilmaisemiseen (Hän on opettajana ~ sairaana). Se on taustaltaan lokatiivi, jonka paikanilmaisutehtävä näkyy edelleen erilaisissa kiteytymissä (kotona, luona). Essiivi kuuluu myös ajankohdanilmaisujärjestelmään (lauantaina, ensi vuotena). Tässä tutkimuksessa kuvaan essiivisijan käyttöä erityisesti olotilan ilmaisemisen näkökulmasta. Kiinnitän huomiota sijan merkitykseen ja pyrin tarkentamaan sen lauseopillista kuvausta hyödyntämällä yleislingvistis-kielitypologisia olotilanilmausten kategoriointitapoja. Tutkimukseni aineisto on kolmijakoinen. Pääaineistonani on Lauseopin arkisto, jota koskevan haun tuloksena olen saanut 9096 essiivisijaisen sanan sisältävää lauseketta virkekonteksteineen. Täydennän tätä aineistoa käytöstä poimituilla esimerkeillä ja intuitioon pohjautuvilla ns. selvillä tapauksilla. Tutkimusmenetelmänä on pääosin aineiston kvalitatiivinen tarkastelu, mutta tarkastelen essiiviä myös teoreettisemmin sääntöjärjestelmän näkökulmasta. Tärkeimpänä lähtökohtanani on tuottaa tutkimustietoa, joka kykenee käymään vuoropuhelua kielitypologisen tutkimuksen kanssa siten, että tutkimus kuitenkin tapahtuu yksittäiskielen ehdoilla. Erityisesti semantiikan kuvauksessa tarkastelutapani on kognitiivisen kielitieteen mukaisesti orientoitunut. Essiivin tehtävänä on pelkistetyssä nominaalilauseessa ilmaista olotilan tilapäisyyttä ja muutoksellisuutta, kun taas merkitystä kantavan verbin yhteydessä essiivisijainen olotilan ilmaus saa usein muita merkityksiä ja voi ilmaista myös vaihtoehtoisen tai tilanteen syynä olevan olotilan. Aspektinäkökulmasta essiivi tuo tilaan toimin¬nallisia piirteitä, ja se myös muodostaa selvästi omanlaisensa reviirin suhteessa muihin olotilaa ja sen lähimerkityksiä ilmaiseviin kieli- ja johto-opin kategorioihin. Syntaktisen luokittelun näkökulmasta essiivisijaiset predikoivat olotilanilmaukset jakautuvat kolmeen pääryhmään sen perusteella, millainen niiden suhde lauseen predikaattiin on. Ne voivat toimia kopulalauseen nominaalipredikaatteina, merkitystä kantavien verbien täydennyksinä ja sekundaarisina predikaatteina, jotka ovat määritteitä. Lisäksi essiivisijaiset olotilan ilmaukset voivat toimia predikoimattomina lauseadverbiaaleina. Tutkimus on essiivisijan laaja aineistopohjainen kuvaus, joka osoittaa, että yleislingvistis-kielitypologinen lähestymistapa sopii suomen essiivin kuvaukseen. Alakategorioinnissa joudutaan kuitenkin turvautumaan semantiikkaan. Myös pääkategorioiden jatkumomaisuus on hyväksyttävä. Tulosten perusteella on mahdollista käydä keskustelua siitä, olisiko predikoivien lauseenjäsenten syntaktista luokittelua mahdollista uudistaa. Lisäksi tutkimus avaa uusia kysymyksiä tutkittavaksi erityisesti sijojen käyttöä vertailevasta näkökulmasta.