Počítačové nástroje pro
češtinu
Mgr. Dana Hlaváčková, Ph.D.
hlavack@fi.muni.cz
Centrum zpracování přirozeného jazyka
budova B, 2. patro, prostřední laboratoř
(B206)
Fakulta informatiky MU
Formality
• kód CJBB85 (dříve Lingvistický software)
• 3 kredity, ukončení zápočtem
• praktický seminář, teoretický úvod
• aktivní účast v semináři, 1 neomluvená
absence, jinak omluvenky v ISu
• seminární práce (praktická)
Komunikace
ZDROJ
(vysílač, mluvčí)
KOMUNIKAČNÍ KANÁL
(signál, kód)
PŘÍJEMCE
(adresát,
posluchač)
X
Počítačové zpracování češtiny
• přirozený jazyk x počítačové zpracování
• jak funguje přirozený jazyk?
• jak funguje počítač?
• algoritmus – návod, postup při řešení daného
problému
• pravidelnost v jazyce (cca 80 %) – algoritmický
popis
Počítačové zpracování češtiny – pár zásad
• proč to chceme? (cíl, účel, uživatel)
• jak toho dosáhneme? (efektivita)
• maximum automatizace – minimum ruční
práce
• zpracování velkého objemu dat
• univerzálnost (široká množina vstupů)
• nezávislost na jednotlivých lingvistických
teoriích
• PŘESNOST („ono to nefunguje“ )
Počítačové zpracování češtiny
• urychlení a zefektivnění práce lingvisty
• zpracování velkého množství jazykových dat
• ověřování existujicích teorií
• objevení nového jazykového jevu, zákonitosti
• co a jak mohu použít
• co mohu a nemohu od nástroje očekávat
• autorská práva a přístupy
Mezioborová spolupráce
• informatika – lingvistika („společný jazyk“)
• počítačová lingvistika (matematická, komputační),
jazykové inženýrství, počítačové zpracování
přirozeného jazyka
• Natural Language Processing (NLP)
Hlavní oblasti (uživatelský přístup)
• syntéza a analýza řeči
• počítačová lexikografie
• formální analýza jazyka (morfologická, slovotvorná,
syntaktická, sémantická)
• korpusová lingvistika
• dialogové systémy, umělá inteligence
Obsah kurzu
• počítačová lexikografie, prohlížeč a editor
slovníků – DebDict a další
• rozpoznávání a syntéza řeči
• jazykové korpusy – Bonito2, Word Sketches
• morfologická analýza – AJKA
• derivační rozhraní – Deriv
• syntaktická analýza – KLARA, SYNT, PDTB
• sémantická analýza – WordNet, Ontologie
• valenční databáze – Vallex, VerbaLex
• 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 FAV
ZCU Plzeň – http://www.kiv.zcu.cz, Katedra
kybernetiky http://www.kky.zcu.cz
• Ústav informačních technologií a elektroniky
FM TU Liberec – http://www.fm.tul.cz
Bonus
• Internetová jazyková příručka
http://prirucka.ujc.cas.cz
• Web MetaTrans
http://metatrans.fi.muni.cz
© Jan Pomikálek (FI MU)