Derivancze — Derivational Analyser of Czech, Derinet
PLIN033
osolsobe@phil.muni.cz

Nástroje pro zpracování slovotvorby
•Deriv
•Derivancze
•Derinet

Deriv (deb.fi.muni.cz/deriv) – bohužel neudržováno
•webové rozhraní
•schopnost pracovat s morfologickým slovníkem analyzátoru (m)ajka
•propojení s tištěnými slovníky
•propojení s korpusy
•Veronika Kalivodová: Tvorba uživatelského manuálu pro DEBDict a Deriv (Bc. DP, FF MU, 2017:
https://is.muni.cz/th/mggon/?zoomy_is=1)
•OSOLSOBĚ, Klára, Karel PALA, Pavel ŠMERK a Dana HLAVÁČKOVÁ. Relations between Formal and
Derivational Morphology in Czech. In Czech in Formal Grammar. Mnichov: Lincom, 2009. s. 79-87, 9 s.
ISBN 978-3-89586-282-3.
•

Derivancze: https://nlp.fi.muni.cz/projects/derivancze/
•Pala K., Šmerk P. (2015) Derivancze — Derivational Analyzer of Czech. In: Král P., Matoušek V.
(eds) Text, Speech, and Dialogue. TSD 2015. Lecture Notes in Computer Science, vol 9302. Springer,
Cham. https://doi.org/10.1007/978-3-319-24033-6_58
•
•

Hledání odvozených slov generovaných automaticky na základě brněnského slovníku (Osolsobě, 1996)



kralovat



synv8



czTenTen17
•


czTenTen17



Pozadí morfologických slovníků
•Pražský (MorfFlex) i brněnský slovník byly vytvořeny na základě pravidel, které „rozgenerovaly“
potenciální (paradigmaticky tvořené) tvary.
•Od každého slovesa se tak tvoří:
• a) úplný soubor tvarů pasivního příčestí/ tzv. krátkých tvarů (viz zde kralován), a to bez ohledu
na to, zda jde o sloveso, které tyto tvary tvoří, či nikoliv;
•b) úplný soubor tvarů dlouhých/adjektivních (viz zde kralovaný);
•c) úplný soubor slovesných substantiv na ní/tí (viz zde kralování);
•d) úplný soubor procesuálních adjektiv na oucí/ící omezený pouze videm (nedokonavým) základového
slovesa (viz zde kralující).

Automatická morfologická analýza
•Je založena na slovnících, a tak pokud je ve slovníku ke tvaru nalezena dvojice lemmma+tag, pak je
použita, viz interpretace udělované překlepům.
• Dobře/špatně?
•Nikoliv, automatické nástroje lze např. využít k tomu, aby se ze slovníku odstranily přegenerované
výsledky (např. na základě vyloučení/potlačení tvarů, které mají v korpusech nulovou/malou
frekvenci). Tento postup je ovšem třeba aplikovat velmi opatrně (viz nepředpokládané, ale doložené
tvary typu kralováno atd.)

Další funkce nástroje Derivancze: značky obsahující derivační vztahy (automatický generované a
ručně editované)


strom



dům



Ajka: https://nlp.fi.muni.cz/projekty/wwwajka/WwwAjkaSkripty/morph.cgi?jazyk=0



? strom → stromek → stromeček
× dům → domek
a separé domek → domeček

Problém je v automatickém zpracování dat, zejména v případě hláskových alternací a dalších
nepravidelností, které jsou spoluformanty derivace


Podobně:



Různé nesrovnalosti:



Tvary sací generované rozhraním Ajky



lemma sací



Pozor
•bít → bil → bicí
•krýt → kryl → krycí
•sát → sál → sací
•hrát → hrál → hrací
•Ověřte, zda platí, že pokud se tvar účelového adjektiva na cí tvoří od kmene minulého slovesa,
které nemá alternaci ve tvarech od kmene minulého, a zároveň má alternaci ve tvarech účelového
adjektiva, pak ji nástroj Derivancze nezná.
•
•

Která slovesa nemají alternaci kořenového vokálu?
•Kořenový vokál dlouhý infinitivu se nekrátí u sloves III. třídy krýt, pokud tímto vokálem je á.
•Seznam sloves: hrát, hřát, okřát, přát, smát se, sát, vát, …
•

Zachycení paradigmatických derivací někde bez ohledu na významové posuny



Derinet (https://ufal.mff.cuni.cz/derinet)
•DeriNet 2.0 (https://ufal.mff.cuni.cz/derimo2019/pdf-files/derimo2019-10.pdf)
•1 milion lexemů (vzorek ze slovníku MorfFlex) propojených 808 tisíci derivačních vztahů a 600
odkazů z kompozit na základová slova;
•anotace morfologických kategorií (u všech lexémů – zajišťuje rozdílné derivační vztahy u homonym:
stát = V|N, tulení = N(v)/A(n), …),
•identifikace kořenových morfů (u 250 lexemů),
•semantické labely (150 relací, 5 labelů),
•kompozita (600 lexemů)
•tzv. fiktivní lexémy (testování např. -bízet).
•

Lexikální síť - příklad



Sémantické labely



strom



dům
https://quest.ms.mff.cuni.cz/derisearch2/v2/databases/Czech-DeriNet-2.0/dcql?ci=false&defA=lemma&li
mit=10&offset=0&q=d%C5%AFm&style=stretch

Vyzkoušejte
•https://quest.ms.mff.cuni.cz/derisearch2/v2/databases/Czech-DeriNet-2.0/dcql?ci=false&defA=lemma&l
imit=10&offset=0&q=d%C5%AFm&style=stretch
•

kralovat



hrát



Aplikace na další jazyky (např. fr. nebo pol.)



Němčina



Nástroje:



Četba: Dú – 9. 12. 2020
•Prostudujte www stránky ÚFAL
•články v IS_studijní materiály