Propria (příjmení na -č) - problém automatické morfologické analýzy

OSOLSOBĚ, Klára. Propria (příjmení na -č) - problém automatické morfologické analýzy. In Jazyk a jeho proměny. 1. vyd. Brno: Host, 2008, s. 205-216. ISBN 978-80-7294-301-2.

Základní údaje

• Originální název: Propria (příjmení na -č) - problém automatické morfologické analýzy
• Název česky: Propria (příjmení na -č) - problém automatické morfologické analýzy
• Název anglicky: Propria (Family Names on -č) - the Problem of the Automatic Morphological Analysis
• Autoři: OSOLSOBĚ, Klára (203 Česká republika, garant).
• Vydání: 1. vyd. Brno, Jazyk a jeho proměny, od s. 205-216, 12 s. 2008.
• Nakladatel: Host

Další údaje

• Originální jazyk: čeština
• Typ výsledku: Stať ve sborníku
• Obor: 60200 6.2 Languages and Literature
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• Kód RIV: RIV/00216224:14210/08:00027825
• Organizační jednotka: Filozofická fakulta
• ISBN: 978-80-7294-301-2
• Klíčová slova anglicky: corpus; proprium; family name; authomatical morphological analysis
• Štítky: authomatical morphological analysis, corpus, family name, proprium

Anotace

Ačkoliv se rozsáhlé jazykové korpusy od doby vzniku korpusové lingvistiky budují především pro potřeby lexikografie, mohou sloužit a slouží i pro bádání v řadě dalších lingvistických oborů. V tomto příspěvku jsme se snažili demonstrovat, jak mohou korpusy přispět při zpracování lingvistických podkladů použitelných v oblasti NLP. Na příkladu analýzy vlastních jmen (maskulin životných na č) jsme ukázali, na jaká úskalí mohou narazit pokusy vytvořit automatický modul derivace konkrétně českých deverbativ na -č. Výsledkem je rozsáhlý seznam možných případů přegenerovávání, kterých by se mohl automatický nástroj dopustit v případě, že by nepracoval dostatečně s rozdílem apelativum/proprium.

Anotace anglicky

The aim of this paper is to demonstrate how can be used the data mined from corpora for preparation of linguistic basis for NLP (natural language processing) applications. In three representative corpora of literary Czech (SYN2000, SYN2005, SYN2006PUB) the family names (animate masculine on č) were find. The possibility of verbal motivation of them was analyzed thereafter. In this way a list of evantual overgenerations of application of the word formation's formal rules (Osolsobě 2008) was enlarged.

Návaznosti

• MSM 143300003, záměr: Název: Interakce člověka s počítačem, dialogové systémy a asistivní technologie

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Interakce člověka s počítačem, dialogové systémy a asistivní technologie