| | 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 |
| | 3 | Korpusová 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 | |
| | 5 | Pro zjištění základních statistických údajů z našich korpusů můžete využít program `lsclex`. |
| | 6 | |
| | 7 | Velmi 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 |
| | 10 | V 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 | |
| | 12 | Novější implementace `majka` je spustitelná z příkazové řádky takto: |
| | 13 | |
| | 14 | `/nlp/projekty/ajka/bin/majka -f <datový soubor>` |
| | 15 | |
| | 16 | Datový 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 |
| | 19 | Značkovač 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 |
| | 22 | Velmi 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 |
| | 25 | Nástroj 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 |
| | 28 | Nejedná 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]. |
