Changes between Initial Version and Version 1 of cs/Lingware


Ignore:
Timestamp:
Feb 26, 2014, 3:26:35 PM (7 years ago)
Author:
xkocinc
Comment:

--

Legend:

Unmodified
Added
Removed
Modified
  • cs/Lingware

    v1 v1  
     1= Lingvistické nástroje na počítačích NLPlab = #Lingvistick.2BAOk_n.2BAOE-stroje_na_po.2BAQ0A7Q-ta.2BAQ0A7Q-ch_NLPlab
     2=== Práce s textovými korpusy === #Pr.2BAOE-ce_s_textov.2BAP0-mi_korpusy
     3Korpusová  lingvistika je jedním z hlavních pilířů práce NLPlab.  I když vaše  současné úkoly nemusí s textovými korpusy přímo souviset, není  nezajímavé se alespoň seznámit s nástroji používanými pro přístup ke  korpusům. Takovým nástrojem je v NLPlab korpusový manažer [http://nlp.fi.muni.cz/cs/Manatee Manatee] a jeho grafické rozhraní [http://nlp.fi.muni.cz/cs/Bonito Bonito]. Více informací a možnost registrace naleznete na http://corpora.fi.muni.cz/ske. Pro dotazování je používán [http://trac.sketchengine.co.uk/wiki/SkE/CorpusQuerying Corpus Query Language (CQL)].
     4
     5Pro zjištění základních statistických údajů z našich korpusů můžete využít program `lsclex`.   
     6
     7Velmi moderním korpusovým nástrojem je ''Word Sketch Engine'',  který umožňuje velmi rychlé a přehledné zobrazení konkordancí, ale také  například zajímavých statistik týkajících se syntaktických vztahů ve  větách. Zájemci si mohou přečíst [http://www.sketchengine.co.uk/ bližší informace o tomto nástroji], případně si jej vyzkoušet na Britském národním korpusu, k čemuž je zapotřebí se zaregistrovat na http://corpora.fi.muni.cz/bnc/.   .
     8
     9=== Morfologický analyzátor ajka === #Morfologick.2BAP0_analyz.2BAOE-tor_ajka
     10V NLPlab je k dispozici morfologický analyzátor `ajka`.  Jde o program, který k danému slovnímu tvaru přiřadí základní tvar,  tzv. lemma (např. ke tvaru "domovem" dává "domov"), a určí slovní druh a  další gramatické informace (zde např. pád, číslo atd.). Funkce  morfologického analyzátoru si  můžete vyzkoušet spuštěním programu `ajka` z příkazové řádky, interaktivní verze se ukončuje zadáním #, `ajka -h` poskytne stručnou nápovědu. Popis kódování gramatických kategorií lze nalézt na http://nlp.fi.muni.cz/projekty/ajka/tags.pdf. Ajka používá kódování ISO Latin 2. 
     11
     12Novější implementace `majka` je spustitelná z příkazové řádky takto: 
     13
     14`/nlp/projekty/ajka/bin/majka -f <datový soubor>`
     15
     16Datový soubor je např. `/nlp/projekty/ajka/bin/majka.w-lt`, který vrací pro slovo (`w`) lemma (`l`) a značku (`t`ag).
     17
     18=== Značkování češtiny === #Zna.2BAQ0-kov.2BAOE-n.2BAO0_.2BAQ0-e.2BAWE-tiny
     19Značkovač je v /nlp/projekty/rule_ind/stat/desamb.sh (module add sicstus), lemmatizátor je v /home/xpomikal/bin/lemmatize.pl   
     20
     21=== Slovníky === #Slovn.2BAO0-ky
     22Velmi praktickým nástrojem je webový [http://metatrans.fi.muni.cz/ metaslovník Metatrans],  který představuje jednotné rozhraní k celé řadě veřejně přístupných  slovníků na internetu. Uživatel má mimo jiné na výběr, z kterého jazyka  do kterého chce překládat, které z podporovaných slovníků se mají  použít, může také blíže nastavit způsob hledání zadaného slova.  Dále je  na počítačích NLPlab nainstalováno několik jednoduchých   anglicko-českých (slovenských) slovníků. Přístup k nim získáte pomocí `module add dict` (viz `module help dict`). V současné době usilovně pracujeme na vytvoření lepšího slovníku.
     23
     24=== WC Cleaner === #WC_Cleaner
     25Nástroj  na odstranění boilerplate (často se opakující obsah) z HTML stránek. Ke  stažení zde nlp/projekty/segmentace_html2/wccleaner. K dispozici je i  nástroj BTE, testovací data (z Cleanevalu a v rámci DP ručně připravená  data) k otestování, porovnání.
     26
     27=== !VerbaLex === #VerbaLex
     28Nejedná se v tomto případě o ''nástroj'', ale o slovník, či '''''lexikon'''''. !VerbaLex obsahuje valence českých sloves ve formě tzv. ''komplexních valenčních rámců''. Podrobněji viz [http://nlp.fi.muni.cz/cs/VerbaLex stránka projektu].