wiki:cs/DenOtevrenychDveri

Version 5 (modified by xkocinc, 10 years ago) (diff)

--

Den otevřených dveří

Určeno jak pro zájemce o studium, tak pro zájemce o cokoliv, pro zájemce o doktorské studium máme i pokročilejší informace.

  • přirozený jazyk = náš lidský jazyk (čeština, slovenština, angličtina)
  • snažíme se o porozumění jazyku počítačem.
  • kámen mudrců NLP: komunikace s počítačem v přirozeném jazyce a strojový překlad.
  • s jazykem pracujeme empiricky, jako s živým systémem, nepíšeme básně ani prózu (ale můžeme je studovat), nerozebíráme literární díla
  • jazyk vidíme skrze korpusy (odkaz), což jsou obrovské (miliardové) soubory slov
  • pracujeme tím pádem s velkými objemy dat, máme výkonné servery a píšeme efektivní programy (v různých programovacích jazycích)
  • studujeme jazyk na několika úrovních (které se vyučují už na základní škole, ale my je bereme trochu víc vážně): tvaroslovné (morfologické), syntaktické i významové (sémantické)
  • jak souvisí lingvistika s informatikou? aplikace jsou: jazykové korektory, vyhledávače (proč umí Seznam najít i slova v jiném pádu?), výkladové a překladové slovníky, dotazovací systémy (UIO), překlad
  • spolupracujeme s FF (obor Český jazyk se specializací počítačová lingvistika)

Slovotvorná rovina zpracování přirozeného jazyka

  • slova se skládají z kmenů, předpon, přípon, koncovek
  • slova jsou ohebná (pád-číslo-rod, osoba-číslo-čas) a neohebná
  • máme program, který pro každé slovo dokáže určit, co je zač (wwwajka) - Seznam.cz jej používá na lemmatizaci, čili lze hledat slova zapsaná v libovolném korektním tvaru.
  • máme díky tomu i oháčkovávač, který využívá také Seznam.cz - tím pádem lze hledat i slova bez diakritiky.

Syntaktická rovina zpracování přirozeného jazyka

  • věty jsou tvořeny ze slov, ale ne ledajak, podle pravidel
  • tato pravidla tvoří tzv. syntax určitého jazyka
  • pamatujeme si ze základní školy nechvalně proslulé větné rozbory, a máme program, který je umí dělat za nás (wwwsynt)

Sémantická a lexikální rovina

  • máme k dispozici překladové slovníky (LEDA)
  • máme i speciální slovníky: Slovník spisovného jazyka českého, Slovník spisovné češtiny, Příruční slovník jazyka českého, Slovník cizích slov, Slovník českých synonym, Slovník české frazeologie a idiomatiky: výrazy slovesné i neslovesné. (DEB, DEBDict)
  • máme taky sítě slov (hierarchický slovník, sémantická/významová databáze): WordNet (viz Visual Browser) - podobnost s biologickou taxonomií
  • zjistíme, že luxovat může člověk za pomocí stroje (VerbaLex)

http://nlp.fi.muni.cz/~xpopelk/screencast.avi

http://nlp.fi.muni.cz/~xpopelk/final.avi

http://nlp.fi.muni.cz/~xpopelk/dod.avi

Schéma krátké verse výkladu:

Příklady z korpusu

  • Peking, hlavní město USA, přivítalo císaře Evropské unie.
  • "Pravda a láska" jsou ošklivá a falešná slovíčka.
  • Petr viděl, že se Marie koupe s Pavlem, a hrozně si přál, aby se v tomto okamžiku proměnil v Pavla.
  • Pane vrchní, jednou pivo s rumem, jednou bez.
  • Petr na mě hodil své obrovitánské trenýrky, což byla zbraň odpovídající dvěma atomovým bombám svrženým na Hirošimu.

Attachments (6)

Download all attachments as: .zip