I047 Úvod do korpusové lingvistiky a počítačové lexikografie

Fakulta informatiky
jaro 2001
Rozsah
2/0. 2 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
prof. PhDr. Karel Pala, CSc. (přednášející)
doc. Mgr. Pavel Rychlý, Ph.D. (cvičící)
doc. RNDr. Pavel Smrž, Ph.D. (cvičící)
Garance
prof. PhDr. Karel Pala, CSc.
Katedra strojového učení a zpracování dat – Fakulta informatiky
Kontaktní osoba: prof. PhDr. Karel Pala, CSc.
Rozvrh
St 16:00–17:50 B410
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Osnova
  • Informační technologie a jazykové korpusy.
  • Budování korpusů, korpusová data. Typy korpusů a standardizace, SGML, TEI. Údržba korpusů.
  • Korpusové nástroje: korpusový administrátor (CQP, MANATEE). Programy pro tvorbu konkordancí (KWIC) -- OCP. Využití regulárních výrazů. Statistické programy (absolutní, relativní četnosti, M/I, T-score). Třídicí programy pro konkordance. Práce s atributy a značkami (tagy).
  • Anotované korpusy a značkování. Základní úroveň značkování -- metastruktura textu -- SGML. Gramatické značkování na úrovni slovních druhů (AJKA). Syntaktické značkování na úrovni větných struktur -- Pražský závislostní stromový korpus. Paralelní korpusy.
  • Využití korpusů a korpusových dat. Ukázky práce s korpusem -- ČNK. Studium kolokací a slovních spojení.
  • Počítačová lexikografie.
  • Co je to lexikografie a lexikologie.
  • Způsoby popisu významů slov (sémantické rysy).
  • Typy elektronických slovníků. Výkladové -- heslo, struktura hesla a výběr hesel. Překladové -- vícejazyčné, vztah ke strojovému překladu.
  • Data pro tvorbu slovníků -- korpusy.
  • Softwarové nástroje pro lexikografy. Lexikografické stanice. Lemmatizátory. Desambiguátory (zpracování homonymií a frazeologických spojení).
  • Lexikografické standardy v rámci EU.
Informace učitele
V ramci predmetu korpusova lingvistika se nabizeji nektera zajimava temata pro diplomove prace, napr. 1) Rozpoznavani vetnych hranic v ceskych textech 2) Zpracovani viceslovnych spojeni pro znackovani korpusovych textu 3) Semanticke znackovani korpusovych textu
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích léto 1996, léto 1997, léto 1998, jaro 1999, jaro 2000, jaro 2002.