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

OSOLSOBĚ, Klára. Propria (příjmení na -č) - problém automatické morfologické analýzy (Propria (Family Names on -č) - the Problem of the Automatic Morphological Analysis). In Jazyk a jeho proměny. 1st ed. Brno: Host, 2008, p. 205-216. ISBN 978-80-7294-301-2.

Basic information

• Original name: Propria (příjmení na -č) - problém automatické morfologické analýzy
• Name in Czech: Propria (příjmení na -č) - problém automatické morfologické analýzy
• Name (in English): Propria (Family Names on -č) - the Problem of the Automatic Morphological Analysis
• Authors: OSOLSOBĚ, Klára (203 Czech Republic, guarantor).
• Edition: 1. vyd. Brno, Jazyk a jeho proměny, p. 205-216, 12 pp. 2008.
• Publisher: Host

Other information

• Original language: Czech
• Type of outcome: Proceedings paper
• Field of Study: 60200 6.2 Languages and Literature
• Country of publisher: Czech Republic
• Confidentiality degree: is not subject to a state or trade secret
• RIV identification code: RIV/00216224:14210/08:00027825
• Organization unit: Faculty of Arts
• ISBN: 978-80-7294-301-2
• Keywords in English: corpus; proprium; family name; authomatical morphological analysis
• Tags: authomatical morphological analysis, corpus, family name, proprium

Abstract

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.

Abstract (in English)

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.

Links

• MSM 143300003, plan (intention): Name: Interakce člověka s počítačem, dialogové systémy a asistivní technologie

Investor: Ministry of Education, Youth and Sports of the CR, Human-computer interaction, dialog systems and assistive technologies