CJBB84 Morfologie a korpus (st.12.30-14.00 G022)
^2) každou lichou středu 12:30--14:05 (29.2., 14.3., 28.3., 11.4., 25.4., 9.5.)


Kontaktní výuka dle rozvrhu bude probíhat každou „lichou středu“, tedy v dny
označené daty v harmonogramu (viz níže).
Na sudé týdny budou zadány úkoly. Ty je třeba odevzdat nejpozději den dopředu (v úterý ráno), a to
jako přílohu (text word, rtf) na můj mail.
Harmonogram seminářů
29. 2. Praktické problémy lemmatizace : Když jednomu tvaru může odpovídat více lemmat.

a) Na www http://ucnk.ff.cuni.cz/ - Dohody a registrace si opatřete uživatelská
přístupová práva k programu Bonito.
b) Na www http://ucnk.ff.cuni.cz/ - Manuál a instalace - Instalace si stáhněte
na svůj domácí počítač program Bonito.
c) Na www http://ucnk.ff.cuni.cz/ - Dostupné korpusy si nastudujte informace o
korpusech ČNK.
d) Na www http://ucnk.ff.cuni.cz/ - Manuál a instalace si nastudujte informace o
tom, jak zadávat dotazy v programu Bonito.
7. 3. Úkol – Chybná disambiguace  a jak se s ní vypořádat.
14. 3. Jak vyhledávat substantiva podle typu skloňování ?

21.3. Úkol – pravidla distribuce e/ě v koncovkách sb. flexe
28. 3.  Vyhledávání v korpusu bez použití lemmatizace a morfologických značek (příklad tvary
infinitivu).
4.4. Úkol – l-ové příčestí

11. 4. Vyhledávání víceslovných gramatických forem v korpusu.

18. 4. Úkol : Minulý čas složený.

25.4. Syntetické futurum v češtině

2. 5. Úkol: Porovnání tvarů analytických a syntetických (tento úkol zpracujete jako prezentaci).
Každý student bude zpracovávat jiné sloveso/slovesný význam.

9. 5.  Předtermín


Podmínky pro ukončení (5 kr. zk)
 1. Odevzdání všech úkolů (4)
 2. Odevzdání prezentace + ústní zkouška doplňující otázky k úkolům a prezentaci













29. 2. Praktické problémy lemmatizace : Když jednomu tvaru může odpovídat více lemmat.

a) Na www http://ucnk.ff.cuni.cz/ - Dohody a registrace si opatřete uživatelská
přístupová práva k programu Bonito.
b) Na www http://ucnk.ff.cuni.cz/ - Manuál a instalace - Instalace si stáhněte
na svůj domácí počítač program Bonito.
c) Na www http://ucnk.ff.cuni.cz/ - Dostupné korpusy si nastudujte informace o
korpusech ČNK.
d) Na www http://ucnk.ff.cuni.cz/ - Manuál a instalace si nastudujte informace o
tom, jak zadávat dotazy v programu Bonito.

Praktické problémy lemmatizace : Když jednomu tvaru může odpovídat více lemmat - disambiguace a
homonymie

Vyhledáme v korpusu SYN2010 tvar sál

Zjistíme frekvenční distribuci lemmat

Pozorujeme vybraná data a zjišťujeme chyby

Je ruční analýza jedinou možností ?

Co musí platit, aby slovní tvar sál byl tvarem substantiva?

Substantivum může být součástí jmenné skupiny. Vlevo od substantiva může stát adjektivum a další
jména ve stejném pádě (gramatická shoda), také předložka pojící se s příslušným pádem stojí před
substantivem a nemůže stát před slovesem.

N-filtrem lze odstranit řádky, které jsou prokazatelně správně tagovány jako lemma sál a tag
NN..[14].*.

Co musí platit, aby slovní tvar sál byl slovesným tvarem ?

Česká věta obsahuje jen jeden tvar verba finita. Pokud bude v okolí tvar slovesa být (VB.....[12].*
- jsem, jsi, jsme, jste, nebo Vc,* - bych, bys, ...), půjde o sloveso sát v minulém čase, nebo v
kondicionálu.

Budeme prohledávat jednotlivé intervaly.

V intervalu <-1,-1> jsme našli doklady.

Jaký bude další postup ?

7. 3. Úkol:

Mohou se tvary slovesa být vyskytnout i na dalších pozicích ?

Jaká omezení budou platit a proč?

Popište další třídění dat směřující k odstranění chyb, které jsou výsledkem chybné desambiguace.