1 Automatyczna analiza i synteza derywacyjna tekstu polskiegoJoanna Rabiega-Wiśniewska Zakład Językoznawstwa Komputerowego Uniwersytet Warszawski seminarium Przetwarzanie języka naturalnego IPI PAN,

2 Plan referatu Przedstawię… …źródła mojego zainteresowania derywacją;…cel, który sobie wyznaczyłam; …zastosowania automatycznej derywacji; …problemy związane z zastosowaniami; … podstawy formalnego opisu polskiego słowotwórstwa; …problemy związane z opisem; … pomysł na implementację; …oraz podsumowanie.

3 Dlaczego słowotwórstwo?IV Konferencja „Formal Description of Slavic Languages” w Poczdamie, listopad 2001. konwersatorium „Językoznawstwo komputerowe w praktyce” (2001/2002): praca Doroty Kalinowskiej „Quasi-słowotwórstwo”. brak opracowań formalnych.

4 Cele stworzenie formalnego i praktycznego opisu polskiego słowotwórstwa. zaprojektowanie narzędzia (narzędzi) do pełnej analizy oraz syntezy morfologicznej. przebudowa słownika gramatycznego programu AMOR – powiązanie ze sobą leksemów w rodziny derywacyjne.

5 Zastosowania (1) automatyczna analiza słowotwórcza:podanie podstawy słowotwórczej derywatu; podanie znaczenia (kategorie słowotwórcze). automatyczna synteza słowotwórcza: tworzenie derywatów od zadanej podstawy; (formalnie lub pojęciowo).

6 Zastosowania (2) Poziomy wykorzystania analizy i syntezy słowotwórczej: użytkownik programów przetwarzających teksty (np. wyszukiwarki); językoznawca; leksykograf.

7 Zastosowania (3) Automatyczna analiza derywacyjna:słowniki komputerowe (odesłanie użytkownika do znanego hasła oraz stawianie hipotez co do znaczeń derywatów). nieliterackość  literackość  literacki pseudoromański  romański

8 Zastosowania (4) Automatyczna analiza derywacyjna:przeszukiwanie korpusów tekstów; sprawdzanie produktywności reguł tworzenia nowych derywatów; leksykografia.

9 Zastosowania (5) Analiza i synteza derywacyjna: sprawdzanie pisowni:analiza: nieznane słowo może pochodzić od innego, znanego słownikowi; synteza: dodawanie grup derywatów. dwu-, trzy-, piętnasto- dwusilnikowy, trzywieżowy, piętnastopokojowy

10 Zastosowania (6) Automatyczna synteza derywacyjna:wyszukiwanie w zbiorach tekstów: konieczna analiza fleksyjna. ząbkować : ząbkowanie, nieząbkujący, ale raczej nie – ząbkowany

11 Problemy z zastosowaniamitworzenie mało prawdopodobnych derywatów: kontrola pisowni: siedmioświatowy, siedmiostołowy. błędne rozpoznawanie pewnych leksemów jako derywatów innych: analiza derywacyjna: kartka  karta; wyszukiwanie: lity  litość.

12 Rozwiązania uznawanie za derywaty słów spoza słownika:blacik  blat, korelujący  korelować; a nie: macka  maca. zdefiniowanie klas (listy podstaw, opis semantyczny, itp.) chociażby przez znaczniki: rzeczowniki oznaczające „istoty młode” (lwię, kocię, słonię) tworzone są tylko od rzeczowników oznaczających „istoty dorosłe”.

13 Tradycyjny opis słowotwórczy (1)między gramatyką a słownikiem: klasy derywacyjne zawierają leksemy tworzone różnymi formantami (spawacz, malarz, grafik); formanty cechuje wieloznaczność (marynarka, wiertarka, bibliotekarka); nieprzewidywalna liczba derywatów (kartoflisko, rtęciówka).

14 Tradycyjny opis słowotwórczy (2)klasyfikacja semantyczna: nazwy wykonawców czynności, narzędzi, miejsc, itd.; analiza budowy istniejących (potwierdzonych) leksemów. niedoceniana rola fleksji; brak systematycznego opisu wykładników formalnych; brak opisu potencji; nacisk na „czucie” użytkownika.

15 Propozycja opisu formalnegopodział materiału na grupy za względu na regularność derywacji; opis klas; budowa reguł derywacyjnych: włączenie informacji fleksyjnej; wewnętrzne reguły fonetyczne. wykorzystanie słownika gramatycznego programu AMOR.

16 Materiał empiryczny (1)Derywacja regularna (I): derywaty imienne odczasownikowe: odsłowniki (smażenie); imiesłowy przymiotnikowe (smażący, smażony); imiesłowy przysłówkowe (smażąc, usmażywszy).

17 Materiał empiryczny (2)Derywacja regularna (I): derywaty odprzymiotnikowe: nazwy cech (wesołość, finitywność); zdrobnienia (głupawy); stopień wyższy i najwyższy.

18 Materiał empiryczny (3)Derywacja regularna (I): formacje powstałe przez przyłączanie określonych cząstek: ‘nie-’+ odsłownik (niewerbalizowanie); ‘nie-’+ przymiotnik (niemieszkalny); liczebnik + ‘lecie’ (pięciolecie); liczebnik + ‘letni’ (sześćdziesięcioletni).

19 Materiał empiryczny (4)Derywacja średnio regularna (II): nazwy żeńskie (krupierka, listonoszka); zdrobnienia przymiotników (czerwoniutki); zdrobnienia rzeczowników (stolik, sówka); nazwy miejsc (kawiarnia); nazwy mieszkańców (Warszawianin).

20 Materiał empiryczny (5)Derywacja średnio regularna (II): liczebnik + przymiotnik (piętnastoodcinkowy, trzystufuntowy); przedrostki ‘anty-’, ‘para-’, ‘kontr-’, ‘arcy-’, ‘mini-’ (antyhiszpański, arcygłupi).

21 Materiał empiryczny (6)Derywacja mało regularna (III): derywaty mało seryjne (kreskówka); podgrupy kategorii semantycznych (koszulówka); grupy zróżnicowane wewnętrznie (filmować, żelować).

22 Problemy z danymi (1) ograniczenia semantyczne podstawy:nazwy żeńskie (marynarka, szoferka, magisterka); zdrobnienia przymiotników (gorącutki, pradawniutki); zdrobnienia rzeczowników (inteligencyjka). uznanie leksemu za derywat: matka  mata, maska  masa. znaczenie derywatu: czterowykwintny?, siedmiogrząski?

23 Problemy z danymi (2) nadmiarowość:antyzajęczy?, kontrkrzesło?, minikrowa? granica między fleksją i derywacją (I); równokształtność derywatu z istniejącym leksemem.

24 Przykłady reguł (1) 1. nazwa żeńska (‘pokrewieństwo’) od rzeczownika męskoosobowego: F(Dop.l.p.mos) –a +owa F(Mian.l.p.ż.) majster  majstrowa, policjant  policjantowa 2. nazwa cechy: F(Mian.l.p.m.) [-i]/[y] +ość F(Mian. l.p.ż.) niepośledni  niepośledniość, hermetyczny  hermetyczność

25 Przykłady reguł (2) 3. odsłowniki:F(IV 3.l.p.m.) –ł +nie F(I Mian.l.p.n.) malować  malowanie destylować  destylowanie 4. liczebniki z cząstką ‘-stolecie’: F(Mian.l.p.m.) –sty +stolecie F(I Mian.l.p.n.) dwudziesty  dwudziestolecie

26 Implementacja Funkcje programu Słowotwórca (autor Michał Rudolf):odcinanie prefiksów; odcinanie sufiksów; odcinanie zakończeń; dodawanie zakończeń; zastępowanie tekstu; sprawdzanie charakterystyki gramatycznej; sprawdzanie charakterystyki fleksyjnej; sprawdzanie grupy odmiany; sprawdzanie zakończeń .

27 Podsumowanie Zalety: rozszerzenie funkcji istniejących już narzędzi przetwarzania tekstu polskiego; możliwość wyjścia poza słownik; możliwość sprawdzania poprawności budowy nowych jednostek znalezionych w korpusie; dostęp do grup leksemów w słowniku.

28 Dziękuję.