PLIN059 Proseminář z počítačové
lingvistiky – úvod
Mgr. Dana Hlaváčková, Ph.D.
hlavacko@phil.muni.cz
Ústav českého jazyka FF MU
A. Nováka 1, budova D
Formality
• účast povinná, možná 1 neomluvená absence
• jinak omluvenky do IS
• 1 vnitrosemestrální test
• 1 závěrečný test
• praktická seminární práce
Co je to počítačová lingvistika?
• Matematická lingvistika, Kvantitativní lingvistika, Komputační
lingvistika, Počítačové zpracování přirozeného jazyka,
Jazykové inženýrství
• Computational Linguistics, Mathematical Linguistics, Natural
Language Processing (NLP)
• průnik mezi lingvistikou, informatikou a matematikou
• součást oblasti Digital Humanities
• přirozený jazyk + počítačové zpracování
• detailní analýza jazyka a jeho formální popis
• strojové učení a neuronové sítě
Co počítačová lingvistika dělá?
• výsledkem jsou denně používané aplikace, např.:
• korektor překlepů
• korektor gramatiky
• vyhledávání na webu
• prediktivní psaní
• překladače jazyků
• online slovníky
• syntéza řeči
• chatboty
Co počítačová lingvistika poskytuje?
• urychlení a zefektivnění práce lingvisty
• ověřování existujících teorií a hypotéz
• objevení nového jazykového jevu, zákonitosti
• počítačový lingvista ví, co a jak může použít
• a co může a nemůže od nástrojů očekávat
• autorská práva a přístupy k nástrojům
• veřejně dostupné (dostupné na MU)
• hromadný přístup (společné heslo)
• vlastní přístup (registrace)
Pár obecných zásad
• proč to chceme? (cíl, účel, uživatel)
• jak toho dosáhneme? (efektivita)
• uživatelská přívětivost, uživatelská zkušenost, User Experience
• maximum automatizace – minimum ruční práce (při vytváření
i používání)
• zpracování velkého objemu dat
• univerzálnost (široká množina vstupů, spojování více nástrojů
do jednoho)
• nezávislost na jednotlivých lingvistických teoriích
• dříve desktopové, dnes webové aplikace
• při zpracování i používání je nutná PŘESNOST
Obsah kurzu
• počítačová lexikografie – DEBDict, DEBWrite, lexikální
databáze, Vokabulář webový a další
• jazykové korpusy – KonText, Sketch Engine
• morfologická analýza – Ajka, Majka, Morče, MorphoDiTa
(atributivní a poziční systém)
• derivační rozhraní – Deriv, Morfio a další
• syntaktická analýza – Synt, Set, PDT (stromové banky)
• sémantická analýza – WordNet, FrameNet, VerbNet
• valenční databáze – Vallex, VerbaLex
• rozpoznávání a syntéza řeči
• seminární práce
Příbuzná pracoviště
• Centrum zpracování přirozeného jazyka FI MU Brno –
http://nlp.fi.muni.cz/
• Ústav formální a aplikované lingvistiky MFF UK Praha –
http://ufal.mff.cuni.cz
• Ústav teoretické a komputační lingvistiky FF UK Praha –
http://utkl.ff.cuni.cz
• Ústav Českého národního korpusu FF UK Praha –
http://www.korpus.cz
• Ústav pro jazyk český AV ČR – http://www.ujc.cas.cz
Příbuzná pracoviště
• Fakulta informačních technologií VUT Brno –
http://www.fit.vutbr.cz
• Katedra informatiky a výpočetní techniky –
http://www.kiv.zcu.cz, Katedra kybernetiky
http://www.kky.zcu.cz FAV ZČU Plzeň
• Ústav informačních technologií a elektroniky FM TU Liberec –
http://www.fm.tul.cz
• Slovenský národný korpus, JÚĽŠ SAV Bratislava –
http://korpus.juls.savba.sk/
Ukázky
• Internetová jazyková příručka http://prirucka.ujc.cas.cz
• WebMetaTrans
http://metatrans.fi.muni.cz
© Jan Pomikálek (FI MU)