Nápověda k aplikaci desamb

V současné době umí aplikace tyto akce:

1. Morfologickou analýzu
2. Závislostní parsing

Nástroje, které jsou při nich použity, jsou sepsány v oddíle Nástroje a autoři.

Ovládání

Do políčka Vstupní text napíšeme větu, kterou chceme zpracovat. Pokud stiskneme tlačítko Desamb, provede se desambiguace (stejně jako doposud).

Pokud po zadání věty stiskneme tlačítko Parse, provede se nejdřív desambiguace a hned vzápětí parsing. Tlačítko Parse ale můžeme stisknout i po samostatně provedené desambiguaci — v tom případě se provede parsing naposledy desambiguované věty.

Morfologická analýza

Morfolgická analýza používá poslední "frozen" verzi našich nástrojů. V současné době je to verze 201910, kterou byl anotován korpus SYNv8. Uživatel může použít aktuální ("živou") verzi nástrojů, pokud ve formuláři zaškrtne příslušné políčko:

• Znovu naládovat LEX_ucs2:
  • jméno lingvisty — naláduje se poslední verze, kterou si dotyčný zkompiloval
  • LEX_ucs2 — naláduje se verze z /usr/local/corp
• Znovu naládovat:
  • frazémy — nejnovější Milenina verze; používá se v kroku frazrl
  • negr_kolokace — nejnovější verze z /usr/local/corp/bin
  • premorfo, postmorfo, postdesambvid — nejnovější verze z /usr/local/corp/DisambiguacniSkripty
• Reset — znovu naláduje všechny nástroje z "frozen" stavu.

Jako výsledek desambiguace se vypíše vertikála, ve které je vyznačeno (v posledním sloupci) i to, který modul provedl poslední krok:

• M: morfologie
• 0: první kolo pravidel
• F: frazémy
• 1: druhé kolo pravidel
• h: heuristika
• T: tagger (featurama)
• H: závěrečné skripty (postdisambvid)

Kromě toho jsou interpunkční znaménka označena písmenem D.

V pravém sloupci je pak možné prohlížet si výsledky jednotlivých kroků — po kliknutí na název kroku se rozbalí/sbalí jeho výsledky.

Závislostní parsing

Pro závislostní parsing se používá TurboParser natrénovaný Tomášem Jelínkem. Protože je TurboParser napsaný jako batchová aplikace, je jeho spouštění na jednotlivé věty dost pomalé. Je ale možné, že v budoucnu přejdeme na parser z UD-pipe, který by měl být rychlejší a pro jednotlivé věty vhodnější.

Jako výsledek parsingu se zobrazí strom(y) s analýzou. Po kliknutí na uzel stromu se zobrazí podrobnější informace o uzlu, ale snažila jsem se o to, aby informace obsažená přímo ve stromě byla dostatečně informativní. Přímo ve stromě jsou tyto informace:

• forma slova, jak se vyskytla ve větě (včetně malého/velkého počátečního písmene)
• afun — analytická funkce, jakou uzlu přiřadil parser
• tag ve zkráceném tvaru: tag je zkrácen na pět pozic a potom jsou ještě zprava odstraněny pomlčky; u finitních tvarů sloves je pak přidána pomlčka a osoba (takže osoba se nachází na 6. pozici v tagu); např.
  • NNFS1
  • Db
  • RR--4
  • VpFS-3
  • VB-P-1
  • Vf

Po kliknutí je možné si prohlédnout i strom zapsaný ve vertikále. V zápisu jsou pro závislosti použita absolutní čísla uzlů.

Nástroje a autoři

V aplikaci byly použity nástroje, které používáme pro značkování korpusů Českého národního korpusu SYN.

Desambiguace

• Pro morfologickou analýzu používáme slovník morfflex ve verzi z října 2018. Hlavní autoři jsou Jan Hajič a Jaroslava Hlaváčová.
• Pravidlová desambiguace je prováděna systémem LanGR od Pavla Květoně. Lingvistická pravidla jsou dílem Vladimíra Petkeviče, Tomáše Jelínka a Mileny Hnátkové.
• Mezi prvním a druhým spuštěním lingvistických pravidel se využívá modul frazrl od Mileny Hnátkové, který identifikuje a desambiguuje frazémy.
• Zbylé víceznačnosti rozhodne stochastický tagger featurama od Miroslava Spousty.
• Pro přípravu textu, opravy morfologie a závěrečné ad hoc opravy se používají různé skripty od Tomáše Jelínka, Mileny Hnátkové a Hany Skoumalové.
• Pro přidání vidů se používá skript od Miroslava Spousty.

Závislostní parsing

• Pro parsing používáme TurboParser od André Martinse natrénovaný Tomášem Jelínkem na náš tagset.
• Pro zobrazení závislostního stromu využíváme javascriptovou knihovnu js-treex-view od Michala Sedláka a Martina Popela.

Webová aplikace

Literatura

Odkazy