Zdroje lingvistických dat - NPFL070

• Anglický název: Language Data Resources
• Zajišťuje: Ústav formální a aplikované lingvistiky (32-UFAL)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2014 do 2017
• Semestr: letní
• E-Kredity: 5
• Rozsah, examinace: letní s.:1/2, KZ [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština, angličtina
• Způsob výuky: prezenční
• Způsob výuky: prezenční
• Garant: doc. Ing. Zdeněk Žabokrtský, Ph.D.; Mgr. Martin Popel, Ph.D.
• Třída: Informatika Mgr. - Matematická lingvistika
• Kategorizace předmětu: Informatika > Počítačová a formální lingvistika
• Je korekvizitou pro: NPFL076

Anotace

čeština

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2019)

Cílem přednášky je poskytnout studentům vyšších ročníků a postgraduálním studentům přehled o současném dění a trendech v oblasti Language Resources. Budou popsány vybrané typy anotací nad daty textové povahy (morfologické kategorie, složkové a závislostní syntaktické struktury, anafora, discourse structure, word-sense disambiguation, parallel-text alignment atd.) a lexikální povahy (wordnety, překladové slovníky, valenční slovníky atd.). Jednotlivé typy anotací a možnosti jejich využití budou ilustrovány na předních projektech pro angličtinu, češtinu a některé další jazyky.

angličtina

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2019)

The goal of the seminar is to provide students with the survey of the field of Language Resources. Selected types of linguistic annotations will be described, with emphasis on annotating textual data (morphological categories, constituency and dependency syntactic trees, anaphora, discourse structure, word-sense disambiguation, parallel-text alignment etc.) and lexical data (wordnets, translation dictionaries, valency lexicons etc.). Leading projects for English, Czech, and some other languages will be used for illustration.

Literatura

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2019)

Vybrané články z konferencí (LREC,ACL atd.), technické zprávy ÚFAL/CKL.

(Selected conference papers (LREC,ACL etc.), UFAL/CKL technical reports.)

Sylabus

čeština

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2019)

1. Úvod

• motivace pro vytváření lingvisticky anotovaných dat

• podstata anotování

• klasifikace lingvistických dat, možnosti využití

• technické prostředky, kódování, datové formáty

2. Korpusy

• typologie korpusů, sady značek

• Brown Corpus, Český národní korpus

• vyhledávání v korpusech

3. Treebanky

• složkové a závislostní struktury a otázka jejich převoditelnosti

• Penn Treebank, Pražský závislostní korpus, Negra/Tiger

• vyhledávání v treebancích

4. Počítačová lexikografie

• typy lexikální informace

• machine readable/tractable dictionaries

• wordnety, valenční slovníky, překladové slovníky

• Princeton Wordnet, EuroWordNet, FrameNet, PropBank, Vallex

• dictionary production systems

5. Tektogramatická rovina Pražského závislostního korpusu

• závislostní strom, typy hran, vnitřní struktura uzlu

• koreference

• gramatémy

• aktuální členění

angličtina

Poslední úprava: doc. Mgr. Barbora Vidová Hladká, Ph.D. (25.01.2019)

1. Introduction

• motivation for building linguistically annotated data

• annotation principles

• classification of language resources, application perspective

• technical support, encoding, data formats

2. Corpora

• corpus typology, tag sets

• Brown Corpus, Czech National Corpus

• searching in corpora

3. Treebanks

• constituency and dependency frameworks, mutual convertibility

• Penn Treebank, Prague Dependency Treebank, Negra/Tiger

• searching in treebanks

4. Computer Lexicography

• types of lexical information

• machine readable/tractable dictionaries

• wordnets, valency lexicons, translation lexicons

• Princeton Wordnet, EuroWordNet, FrameNet, PropBank, Vallex

• dictionary production systems

5. Tectogrammatic level of the Prague Dependency Treebank

• dependency tree, types of edges, inner structure of nodes

• coreference

• grammmatemes

• information structure