PLIN059 Proseminář z počítačové lingvistiky – úvod
Mgr. Dana Hlaváčková, Ph.D.
Mgr. Jakub Machura, Ph.D.
[hlavacko|machura]@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 (https://www.czechency.org/)
•
•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)
•Webový korektor pro češtinu Opravidlo.cz