Syntaktická analýza
Syntaktická analýza
• další rovina anotace korpusu
• předpoklad – morfologicky značkovaný (a
desambiguovaný) korpus
• několik rovin značkování
• výsledek – závislostní / složkové stromy
• treebank (závislostní korpus, stromová banka)
• automatická, poloautomatická, ruční anotace
Základní pojmy
• věta (sentence S, clause)
• nominální fráze (NP)
• verbální fráze (VP)
• závislostní stromy (tree)
• závislostní korpus (treebank)
K čemu to potřebujeme?
• další rovina popisu jazyka
• treebank – referenční data pro automatické
nástroje
• synchronní a diachronní studie
• frekvenční studie
• strojový překlad
• navazující aplikace
Syntaktická analýza – Praha
• historické pozadí
• lingvistický strukturalismus, Pražská škola
• Pražský lingvistický kroužek (1926, Mathesius,
Jakobson, Trnka)
• funkčně generativní popis (FGD, Sgall, 60. léta)
Syntaktická analýza – Praha
• http://ufal.mff.cuni.cz
• PDT 2.0 (Prague Dependency Treebank, Pražský
zavislostní korpus)
• 2 mil. slovních jednotek
• rovina anotace:
– slovní
– morfologická
– syntaktická (analytická)
– sémantická (tektogramatická)
– aktuální členění věty, koreferenční vztahy
• Vallex – valenční slovník
Syntaktická analýza – Brno
• syntaktický analyzátor klara, synt, set, zuzana
• morfologicky značkovaný korpus
• formální popis gramatiky
• anotace na úrovni částí věty
– sentence (věta)
– clause (věty v souvětí)
– nominální fráze (NP)
– verbální fráze (VP)
– koordinace (COORD)
Odkazy
• synt
• http://nlp.fi.muni.cz/projekty/wwwsynt/
• anotace frází
• http://nlp.fi.muni.cz/trac/nlpunix/wiki/NP
• zuzana
• http://nlp.fi.muni.cz/projekty/zuzana/
• The Penn Treebank
• http://www.cis.upenn.edu/~treebank/