lang
stringclasses 8
values | year
stringclasses 27
values | title_en
stringlengths 4
253
| title_cs
stringlengths 0
251
| abstract_en
stringlengths 49
5.12k
| abstract_cs
stringlengths 33
3.92k
| authors
sequencelengths 1
577
| s2_url
stringlengths 79
79
⌀ | title_fr
stringclasses 3
values | abstract_fr
stringclasses 3
values | title_ru
stringclasses 13
values | abstract_ru
stringclasses 11
values | title_sk
stringclasses 2
values | abstract_sk
stringclasses 2
values | title_de
stringclasses 4
values | abstract_de
stringclasses 4
values | title_dsb
stringclasses 2
values | abstract_dsb
stringclasses 2
values | title_lt
stringclasses 1
value | abstract_lt
stringclasses 1
value |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
en | 2016 | Machine Translation of Medical Text in the KConnect Project | Strojový překlad medicínských textů v projektu KConnect | This paper presents the work on Machine Translation (MT) that has been conducted within the KConnect project, funded under the H2020 programme and focused on development and commercialization of cloud-based services for multilingual Semantic Annotation, Semantic Search and Machine Translation of electronic health records and medical publications. We first present the main goal and role of MT in the project and then briefly describe the main methods and components developed in the project, including training data acquisition, methods of domain adaptation, deployment of MT as cloud-based web-service, and the training toolkit allowing easy adaptation of the MT service to new languages. | Článek popisuje práci na strojovém překladu provedenou v rámci projektu KConnect, financovaném v rámci programu H2020 a zaměřeném na vývoj a komercializaci cloudových služeb pro vícejazyčnou sémantickou anotaci, sémantické vyhledávání a strojový překlad elektronických zdravotních záznamů a medicínských publikací. Nejprve prezentujeme hlavní cíl a úlohu strojového překladu v projektu, následně stručně popisujeme hlavní metody a komponenty vyvinuté v rámci projektu, mj. získání dat, metody doménové adaptace, nasazení MT jako cloudové webové služby a nástroj pro trénování překladových systémů, který umožňuje snadnou adaptaci překladové služby na nové jazyky. | [
"Petra Galuščáková",
"Jan Hajič",
"Jindřich Libovický",
"Pavel Pecina",
"Aleš Tamchyna"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Classifier of Russian Documents for ACREA CR, spol. s r.o. | Klasifikátor ruských dokumentů pro ACREA CR, spol. s r.o. | Given the specification of ACREA CR, a commercial partner of UFAL, a software for binary classification of documents written in the Russian language was implemented. New documents are classified as relevant or non-relevant with respect to a given topic, while the topic is specified using a training dataset of documents that are relevant for the topic. | Na základě objednávky komerčního partnera ACREA CR byl implementován software pro binární klasifikaci dokumentů v ruštině na dokumenty relevantní nebo nerelevantní vůči tématu zadanému příklady relevantních dokumentů. | [
"Petra Galuščáková",
"Zdeněk Žabokrtský",
"Pavel Pecina"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Quantitative Analysis of Syntactic Dependency in Czech | Kvantitativní analýza syntaktických závislostí v češtině | Cílem prezentace je kvantitativní analýza syntaktických závislostí v češtině. Pro každé slovo syntakticky anotovaného korpusu (Bejček et al. 2013) odvozujeme závislostní rámec , který je tvořen analytickými funkcemi přiřazenými každému bezprostředně závislému slovu. | The aim of our talk is to present results of quantitative analysis of dependency characteristics of particular analytical functions. For each word in a syntactically annotated corpus (Bejček et al. 2013), a dependency frame is derived first. The dependency frame consists of all analytical functions assigned to its directly dependent words. | [
"Radek Čech",
"Ján Mačutek",
"Michaela Koľcová",
"Markéta Lopatková"
] | https://www.semanticscholar.org/paper/04c379ce3f2f991461b549593dfa1930e89840c6/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | NLP Pipeline for Russian: an Easy-to-Use Web Application for Morphological and Syntactic Annotation | NLP Pipeline pro rustinu: snadno pouzivatelna webova aplikace pro morfologickou a syntaktickou anotaci | The aim of this poster is to present an easy-to-use web application specifically developed for annotating Russian texts with morphological and syntactic information. | Cílem je podat snadno použitelné webové aplikace speciálně vyvinuté pro anotaci ruských textů s morfologickou a syntaktickou informaci. | [
"Kira Droganova",
"Nikita Mediankin"
] | https://www.semanticscholar.org/paper/2a5aac2476980edbcb0141a4c529a8d2b5c43d72/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Conversion of SynTagRus (the Russian dependency treebank) to Universal Dependencies | Konverze SynTagRusu (ruského závislostního korpusu) do Universal Dependencies | This report presents the Universal Dependencies (UD) annotated corpus for Russian and a conversion process which was developed to transform the SynTagRus dependency treebank of Russion into a UD-style annotated corpus. | Tato zpráva představuje ruský korpus anotovaný podle standardu Universal Dependencies a popisuje postup, kterým byl existující ruský závislostní korpus SynTagRus transformován do stylu UD. | [
"Kira Droganova",
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/73a880633fd04e16a1f1cc347d8fbba27f45c9de/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Enriching Source for English-to-Urdu Machine Translation | Obohacování zdrojové strany ve strojovém překladu z angličtiny do urdštiny | This paper focuses on the generation of case markers for free word order languages that use case markers as phrasal clitics for marking the relationship between the dependent- noun and its head. The generation of such clitics becomes essential task especially when translating from fixed word order languages where syntactic relations are identified by the positions of the dependent-nouns. To address the problem of missing markers on source-side, artificial markers are added in source to improve alignments with its target counterparts. Up to 1 BLEU point increase is observed over the baseline on different test sets for English-to-Urdu. | Článek se zaměřuje na generování pádových příznaků ve strojovém překladu do jazyků s volným slovosledem. Navrhujeme několik pravidel identifikujících vhodná místa pro takové příznaky při překladu z angličtiny do urdštiny. Výsledky ukazují zlepšení až 1 bod BLEU. | [
"Bushra Jawaid",
"Amir Kamran",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/967e95bcdb63c584a845a2fa68680a50917d1a33/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Results of the WMT16 Tuning Shared Task | Výsledky soutěže v optimalizaci systémů strojového překladu WMT16 | This paper presents the results of the
WMT16 Tuning Shared Task. We provided
the participants of this task with a
complete machine translation system and
asked them to tune its internal parameters
(feature weights). The tuned systems were
used to translate the test set and the outputs
were manually ranked for translation
quality. We received 4 submissions in the
Czech-English and 8 in the English-Czech
translation direction. In addition, we ran
2 baseline setups, tuning the parameters
with standard optimizers for BLEU score.
In contrast to previous years, the tuned
systems in 2016 rely on large data. | Článek shrnuje výsledky soutěže v optimalizaci parametrů pevně daného překladového systému. V letošní variantě soutěže jde o systém opírající se o velká trénovací data. | [
"Bushra Jawaid",
"Amir Kamran",
"Miloš Stanojević",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/3527d1c4f7f2a9912f66e5e4f7471f619600dd42/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | From search to exploration: Barriers and opportunities in using oral history archives as data resources | Od vyhledávání k objevování: Meze a možnosti ve využívání orálněhistorických archivů jako zdrojů dat | Key themes of the talk were: (1) using oral history as topic and resource; (2) different barriers in doing so (epistemological, methodological, technical); (3) imagined possibilities, future opportunities and
new research directions. Some of the current barriers seem to result from the fragmentary nature of social/human sciences, which is hard to overcome. At the same time, facilitating the use of ICT provides enviroment for interdisciplinary cooperation, which often leads to interesting and ground-breaking research. | Hlavní témata přednášky: (1) užití orální historie jako zdroje a tématu výzkumu; (2) rozmanité bariéry v tomto kontextu (epistemologické, metodologické, technické); (3) možnosti a budoucí příležitosti, nové výzkumné směřování. | [
"Jakub Mlynář"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | The Past as a Memory and Narrative: USC Shoah Foundation's Visual History Archive in the context of oral history | Minulost jako vzpomínka a vyprávění: Archiv vizuální historie USC Shoah Foundation v kontextu orální historie | The chapter describes USC Shoah Foundation's Visual History Archive, its relevant content for the thematic focus of the book, and some methodological issues of secondary analysis of oral history recordings. | Kapitola popisuje Archiv vizuální historie USC Shoah Foundation, jeho obsah relevantní s ohledem na tematické zaměření knihy, a některé metodologické souvislosti sekundární analýzy orálněhistorických nahrávek. | [
"Jakub Mlynář"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Bridging Corpus for Russian in comparison with Czech | Bridging korpus pro ruštinu ve srovnání s češtinou | In this paper, we present a syntactic approach to the annotation of bridging relations, so-called genitive bridging. We introduce the RuGenBridge corpus for Russian annotated with genitive bridging and compare it to the semantic approach that was applied in the Prague Dependency Treebank for Czech. We discuss some special aspects of bridging resolution for Russian and specifics of bridging annotation for languages where definite nominal groups are not as frequent as e.g. in Romance and Germanic languages. To verify the consistency of our method, we carry out two
comparative experiments: the annotation of a small portion of our corpus with bridging relations according to both approaches and finding for all relations from the RuGenBridge their semantic interpretation that would be annotated for Czech. | V práci popisujeme syntaktický přístup zpracovaní asociační anafory. Představujeme nově vytvořený korpus RuGenBridge s anotací tzv. genitivní asociační anafory v ruštině. Srovnáváme výsledky anotace se statistyky a typy anotovaných vztahů v PDT. | [
"Anna Roitberg",
"Anna Nedoluzhko"
] | https://www.semanticscholar.org/paper/3db310011e009140fad3a0111408a02040243aa1/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Open SDP | Open SDP | One of the four English target representations (viz. DM) and the entire Czech data (in the PSD target representation) are not derivative of LDC-licensed annotations and, thus, can be made available for direct download (Open SDP; version 1.1; April 2016) under a more permissive licensing scheme, viz. the Creative Common Attribution-NonCommercial-ShareAlike scheme (CC BY-NC-SA 2.0). This package also includes some ‘richer’ meaning representations from which the English bi-lexical DM graphs derive, viz. scope-underspecified logical forms and more abstract, non-lexicalized ‘semantic networks’. The latter of these are formally (if not linguistically) similar to Abstract Meaning Representation (AMR) and are available in a range of serializations, including in AMR-like syntax. | Jedna z našich čtyř anglických reprezentací (DM) a kompletní česká data (v reprezentaci PSD) nejsou odvozené od anotací licencovaných LDC, a tudíž mohou být poskytnuta k přímému stažení (Open SDP; verze 1.1; duben 2016) pod svobodnější licencí, konkrétně Creative Commons Attribution-NonCommercial-ShareAlike (CC BY-NC-SA). Tento balíček také obsahuje některé bohatší reprezentace významu, ze kterých jsou anglické bilexikální DM grafy odvozeny, totiž logické formy a abstraktnější nelexikalizované sémantické sítě. Ty jsou formálně (když už ne lingvisticky) podobné abstraktní reprezentaci významu (AMR) a jsou k dispozici v různých formátech, včetně syntaxe podobné AMR. | [
"Dan Flickinger",
"Jan Hajič",
"Angelina Ivanova",
"Marco Kuhlmann",
"Yusuke Miyao",
"Stephan Oepen",
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/b1f4dc3eaf1dbe507c2307379f1592529b8741ce/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | SDP 2014 & 2015: Broad Coverage Semantic Dependency Parsing | SDP 2014 & 2015: Sémantická závislostní analýza s širokým pokrytím | SDP 2014 & 2015: Broad Coverage Semantic Dependency Parsing consists of data, tools, system results, and publications associated with the 2014 and 2015 tasks on Broad-Coverage Semantic Dependency Parsing (SDP) conducted in conjunction with the International Workshop on Semantic Evaluation (SemEval) and was developed by the SDP task organizers. | SDP 2014 & 2015: Sémantická závislostní analýza se širokým pokrytím sestává z dat, nástrojů, systémových výstupů a publikací spojených se soutěžemi v sémantické závislostní analýze (SDP) v letech 2014 a 2015, které byly pořádány spolu s mezinárodním workshopem SemEval. Tento balíček dat a softwarových nástrojů byl připraven organizátory soutěží SDP. | [
"Dan Flickinger",
"Jan Hajič",
"Angelina Ivanova",
"Marco Kuhlmann",
"Yusuke Miyao",
"Stephan Oepen",
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/cd27b1a255a5a3eec3814e717a5e9adfed738365/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | On Similarities Between Workflow Verification and Grammar Checking | O podobnostech mezi verifikací postupů a gramatickou kontrolou | The paper investigates the similarities in the application of attribute grammars to two seemingly different research areas, namely the area of formal description of workflows and the area of checking the syntactic correctness
of natural languages. It uses existing models
and formalisms and tries to find a common ground
which would enable to exploit mutually the experience gained in both individual fields. It shows how a slight adaptation of a grammar formalism used for grammar checking of languages with a high degree of word-order freedom may lead to a tool useful for a workflow verification. | Článek zkoumá podobnost aplikace atributových gramatik ve dvou zdánlivě odlišných vědeckých oblastech, jmenovitě ve formálním popisu pracovních postupů a v kontrole syntaktické správnosti přirozených jazyků. Jsou použity existující modely a formalismy a hledá se společný jmenovatel, který by umožnil využít zkušenosti nabyté v obou oblastech. Zároveň také ukazuje nutnost mírné adaptace formalismu pro kontrolu gramatiky pro jazyky s vysokým stupněm volnosti slovosledu, která by mohla vést k vytvoření nástroje použitelného pro kontrolu pracovních postupů. | [
"Roman Barták",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/8bf62875276de5eb653edb29207d75460128f8d0/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Using a Grammar Checker to Validate Compliance of Processes with Workflow Models | Použití kontroly gramatiky k validaci shody procesů s modely procesních toků | Grammar checking has been used for a long time to validate if a given sentence - a sequence of words - complies with grammar rules. Recently attribute grammars have been proposed as a formal model to describe workflows. A workflow specifies valid processes, which are sequences of actions. In this paper we show how a grammar checker developed for natural languages can be used to validate whether or not a given process complies with the workflow model expressed using an attribute grammar. The checker can also suggest possible corrections of the process to become a valid process. | Nedávné výsledky ukázaly, že vhodným nástrojem popisu procesních toků jsou atributové gramatiky. Ty v minulosti posloužily také jako vhodný prostředek implementace kontroly gramatické správnosti přirozených jazyků. Článek popisuje způsob, jak by bylo možné validovat, zda daný procesní tok je správně sestaven podobně jako se to dělá pro věty přirozeného jazyka. | [
"Roman Barták",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/b6568372acca05019068eac00edb1bb5dcfb1eaa/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | AAI released attribute aggregator | Atributový agregátor pro AAI | In the world of academic identity (inter-)federations, the release attribute problem is often mentioned. The problem is that Service Providers (SPs) do not get the attributes from Identity Providers (IdPs) they need. This service makes it possible to gather statistics about released attributes names between various SPs and IDPs. | Ve světě akademických federací identit je častým problémem neuvolňování atributů potřebných pro chod služeb.
Naše služba umožňuje sbírat statistiky o uvolňovaných atributech mezi různými poskytovateli služeb (SP) a poskytovateli identit (IDP). | [
"Amir Kamran",
"Ondřej Košarko",
"Jozef Mišutka"
] | https://www.semanticscholar.org/paper/ca198ba28e135f12c54867b4432fd8ea3fdcbba3/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | shortref.org | shortref.org | Easy-to-cite and persistent infrastructure (shortref.org) for research and data citation in the form a URL shortener service. Reproducibility of results is very important for the extension of research and is directly depends on the availability of the research data. The advancements in the web technologies made redistribution of the data much more easy nowadays, however, due to the dynamic nature of the web, the content is consistently on the move from one destination to another. The URLs researchers use for the citation of their contents do not directly account for these changes and many times when the users try to access the cited URLs, the data is either not available or moved to a newer version. In our proposed solution, the shortened URLs are not simple URLs but use persistent identifiers and provide a reliable mechanism to make the data always accessible that can directly improve the impact of research. | Služba pro snadnou a trvalou citaci dat vzešlých z výzkumu. Tuto službu poskytujeme formou zkracovače URL. Reprodukovatelnost výsledků, důležitá součást vědeckého výzkumu, přímo závisí na dostupnosti dat, nad kterými výzkum probíhal. Rozvoj webových technologií velmi usnadnil sdílení dat. Kvůli dynamické povaze webu se ale obsah často přesouvá z jednoho místa na druhé. Běžné URL, které může výzkumník použít k citaci svých dat, nemá prostředky, kterými by se s tímto přesouváním dalo vyrovnat. Čtenář/uživatel tak často zjistí, že data se na dané URL již nenalézají, nebo dostane k dispozici novější verzi. Námi navrhované řešení, ve kterém je zkrácené URL perzistentním identifikátorem, poskytuje spolehlivý mechanismus pro stálou dostupnost dat a může tak zlepšit dopad výzkumu. | [
"Amir Kamran",
"Ondřej Košarko",
"Jozef Mišutka"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | How to set up a CLARIN B-centre using a modified DSpace | Ako postaviť CLARIN-B centrum s použitím DSpace | This talk presents the steps required for becoming a CLARIN-B centre using LINDAT/CLARIN digital library based on DSpace. | CLARIN centrum sa môže nazývať CLARIN-B centrum iba ak spĺňa špecifické kritériá. Digitálny repozitár LINDAT/CLARIN postavený na DSpace spĺňa väčšinu týchto požiadaviek. | [
"Amir Kamran",
"Jozef Mišutka"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | ConFarm: Extracting Surface Representations of Verb and Noun Constructions from Dependency Annotated Corpora of Russian | ConFarm: Extrakce povrchove reprezentace slovesnych a jmennych konstrukci ze zavislostnich anotovanych korpusu rustiny. | ConFarm is a web service dedicated to extraction of surface representations of verb and noun constructions from dependency annotated corpora of Russian texts. Currently, the extraction of constructions with a specific lemma from SynTagRus and Russian National Corpus is available. The system provides flexible interface that allows users to fine-tune the output. Extracted constructions are grouped by their contents to allow for compact representation, and the groups are visualized as a graph in order to help navigating the extraction results. ConFarm differs from similar existing tools for Russian language in that it offers full constructions, as opposed to extracting separate dependents of search word or working with collocations, and allows users to discover unexpected constructions as opposed to searching for examples of a user-defined construction. | ConFarm je webová služba, věnovaná extrakci povrchových reprezentaci slovesnych a jmennych tvaru ze závislostních anotovaných korpusů ruských textů. V současné době je k dispozici extrakce konstrukci s konkrétním lemmatem z korpusu SynTagRus a ruského národního korpusu. Nas systém poskytuje flexibilní rozhraní, které umožňuje uživatelům vyladit výstup. Extrahované konstrukce jsou seskupeny podle jejich obsahu, aby byla možna kompaktní reprezentace, a skupiny jsou zobrazeny ve formě grafu. ConFarm se liší od podobných existujících nástrojů pro rustinu v tom, že nabízí kompletní konstrukce, v protikladu k samostatni extrakci zavislostnich clenu nebo práci s slovních spojení, a umožňuje uživatelům objevit nečekané konstrukce, na rozdíl od vyhledavani příkladu podle formy zadane uživatelem. | [
"Nikita Mediankin"
] | https://www.semanticscholar.org/paper/f862e357ee9d934c7c106b3900938f43b925606e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Building NLP Pipeline for Russian with a Handful of Linguistic Knowledge | Vytvoreni NLP Pipeline pro rustinu s pouzitim maleho mnoznstvi lingvistickych dat | This work addresses the issue of building a free NLP pipeline for processing Russian texts from plain text to morphologically and syntactically annotated structures in CONLL format. The pipeline is written in python3. Segmentation is provided by our own module. Mystem with numerous postprocessing fixes is used for lemmatization and morphology tagging.
Finally, syntactical annotation is obtained with MaltParser utilizing our own model trained on SynTagRus, which was converted into CONLL format for this purpose, with its morphological tagset being converted into Mystem/Russian National Corpus tagset | Tato práce se zabývá otázkou budování svobodného NLP potrubí pro zpracování ruské texty z prostého textu na morfologicky a syntakticky anotovaný struktury ve formátu CONLL. Potrubí je napsán v python3. Segmentace je zajišťována vlastní modul. Mystem s četnými postprocesních oprav se používá pro lemmatizace a morfologie značkování.
A konečně, syntaktická anotace se získá MaltParser využitím naší vlastní model vyškolený na SynTagRus, který byl převeden do formátu CONLL pro tento účel, s jeho morfologické tagset převádí do Mystem / ruského národního korpusu tagset | [
"Nikita Mediankin",
"Kira Droganova"
] | https://www.semanticscholar.org/paper/666e140c1584b9a651cb0fd46c0242af049213e9/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | DeriNet version 1.2 | DeriNet verze 1.2 | Lexical network DeriNet version 1.2 contains 1,003,590 lexemes (from the morphological dictionary MorfFlex) among which 740.750 edges were created according to derivational relations (between a derived word and its base word). In the current version, words containg consonant and/or vowel alternations were connected to their base word. | Lexikální síť DeriNet verze 1.2 obsahuje 1.003.590 lexémů (z morfologického slovníku MorfFlex), mezi nimiž bylo poloautomatickými metodami vytvořeno 740.750 hran odpovídajících vztahu odvození (mezi slovem odvozeným a slovem základovým). V této verzi dat jsou nově se základovým slovem spojena i slova, při jejichž odvozování dochází k hláskovým alternacím (př. boží - bůh). | [
"Jonáš Vidra",
"Zdeněk Žabokrtský",
"Magda Ševčíková",
"Milan Straka"
] | https://www.semanticscholar.org/paper/18c28030bc71642c6d0b2c4263235ad2b28c8c82/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Diatheses of Czech Verbs with Genitive Complementation | Diateze u českých sloves s genitivním doplněním | This contribution dealt with passive and deagentive diatheses of Czech verbs with genitive complementation. According to their changes in valency structure, these verbs are classified into three groups: (1) verbs that behave in the same way as verbs with accusative complementation, (2) verbs that preserve genitive complementations and (3) verbs complementations of which can be expressed in the nominative, or in the genitive. | Příspěvek se zabývá klasifikací českých sloves s genitivním doplněním z hlediska tvoření pasivní a deagentní diateze. Slovesa jsou klasifikována na ta, která se chovají podobně jako slovesa s akuzativním doplněním,,
slovesa, u nichž je genitivní vazba v příznakových členech diateze zachována, a
slovesa, jejichž genitivní doplnění může být v diatezi vyjádřeno nominativem i genitivem. | [
"Anna Vernerová",
"Markéta Lopatková",
"Václava Kettnerová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Universal Dependencies for the AnCora treebanks | Universal Dependencies pro treebanky AnCora | This article describes the conversion of the Catalan and Spanish AnCora treebanks to the Universal Dependencies formalism. We describe the conversion process and assess the quality of the resulting treebank in terms of parsing accuracy by means of monolingual, cross-lingual and cross-domain parsing evaluation. The converted treebanks show an internal consistency comparable to the one shown by the original CoNLL09 distribution of AnCora, and indicate some differences in terms of multiword expression inventory with regards to the already existing UD Spanish treebank. The two new converted treebanks will be released in version 1.3 of Universal Dependencies. | Tento článek popisuje konverzi katalánského a španělského treebanku AnCora do formalismu Universal Dependencies (univerzální závislosti). Popisujeme proces konverze a odhadujeme kvalitu výsledného treebanku nepřímo pomocí automatické syntaktické analýzy v jednojazykovém, mezijazykovém a mezidoménovém testu. Převedené treebanky vykazují interní konzistenci srovnatelnou s původní distribucí AnCora pro CoNLL09. Od jiného, dříve vydaného španělského UD treebanku se liší zejména v repertoáru vyznačených víceslovných výrazů. Tyto dva nově převedené treebanky budou vydány v Universal Dependencies verzi 1.3. | [
"Héctor Martínez Alonso",
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/050f61dc091c862e19d59ee19df5aa60e700f983/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | MWEs in Treebanks: From Survey to Guidelines | Víceslovné výrazy v syntakticky anotovaných korpusech: Od přehledu ke směrnicím | By means of an online survey, we have investigated ways in which various types of multiword expressions are annotated in existing treebanks. The results indicate that there is considerable variation in treatments across treebanks and thereby also, to some extent, across languages and across theoretical frameworks. The comparison is focused on the annotation of light verb constructions and verbal idioms. The survey shows that the light verb constructions either get special annotations as such, or are treated as ordinary verbs, while VP idioms are handled through different strategies. Based on insights from our investigation, we propose some general guidelines for annotating multiword expressions in treebanks. The recommendations address the following application-based needs: distinguishing MWEs from similar but compositional constructions; searching distinct types of MWEs in treebanks; awareness of literal and nonliteral meanings; and normalization of the MWE representation. The cross-lingually and cross-theoretically focused survey is intended as an aid to accessing treebanks and an aid for further work in treebank annotation. | Provedli jsme přehled VV v existujících treebancích pomocí online průzkumu. Výsledky ukazují významné odlišnosti. Srovnání se zaměřuje na anotaci analytických predikátů a slovesných idiomů.
Na základě průzkumu navrhujeme všeobecné směrnice pro anotaci VV v treebancích. Doporučení se týkají následujících potřeb: rozlišovat VV od podobných, avšak kompozicionálních konstrukcí; vyhledávat rozličné druhy VV v treebanku; rozlišení doslovného a přeneseného významu a normalizace reprezentace VV. Průzkum vedený napříč jazyky a teoriemi je míněn jako pomůcka pro zpracování a další práci s anotovanými treebanky. | [
"Victoria Rosén",
"Koenraad De Smedt",
"Gyri Smørdal Losnegaard",
"Eduard Bejček",
"Agata Savary",
"Petya Osenova"
] | https://www.semanticscholar.org/paper/12397af7a96264b8d6697dee7b0a61d24d06190b/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Arabic Spelling Error Detection and Correction | Detekce a korekce chyb v Arabštině | A spelling error detection and correction application is typically based on three main components: a dictionary (or reference word list), an error model and a language model. While most of the attention in the literature has been directed to the language model, we show how improvements in any of the three components can lead to significant cumulative improvements in the overall performance of the system. We develop our dictionary of 9.2 million fully-inflected Arabic words (types) from a morphological transducer and a large corpus, validated and manually revised. We improve the error model by analyzing error types and creating an edit distance re-ranker. We also improve the language model by analyzing the level of noise in different data sources and selecting an optimal subset to train the system on. Testing and evaluation experiments show that our system significantly outperforms Microsoft Word 2013, OpenOffice Ayaspell 3.4 and Google Docs. | Práce se zabývá automatickou kontrolou pravopisu arabštiny a ukazuje, jak vylepšení jednotlivých komponent (slovníku, jazykového modelu, chybového modelu) vede ke kumulativnímu zlepšení celého systému. | [
"Mohammed Attia",
"Pavel Pecina",
"Younes Samih",
"Khaled Shaalan",
"Josef Genabith"
] | https://www.semanticscholar.org/paper/e7971d6259bc207ecd6658d8b554a8a9d4844906/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | A new look at possessive reflexivization: A comparative study between Czech and Russian | Nový pohled na posesivní reflexivizaci: Srovnávácí analýza na češtině a ruštině | The paper presents the contrastive description of reflexive possessive pronouns “svůj” in Czech and “svoj” in Russian. The research concerns syntactic, semantic and pragmatic aspects. With our analysis, we shed a new light on the already investigated issue, which comes from the detailed comparison of the phenomenon of possessive reflexivization in two typologically and genetically similar languages. We show that whereas in Czech, the possessive reflexivization is mostly limited to syntactic functions and does not go beyond the grammar, in Russian it gets additional semantic meanings and moves substantially towards the lexicon. The obtained knowledge lets us explain heretofore unclear marginal uses of
reflexives in each language. | Kontrastivní popis “svůj” v češtině a “svoj” v ruštině. Korpusová data ve třijazyčném paralelním korpusu jsou analyzována se zřetelem k existujícím popisům reflexiv v každém jazyce. | [
"Anna Nedoluzhko"
] | https://www.semanticscholar.org/paper/b655dec3625f85b1cefbebcff8ac17404508877b/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Dicourse annotation tools | Anotace diskurzu - nástroje | This session focuses on discussing tools applied to the annotation of discourse phenomena in different languages. Following the general session on “Annotation theories and tools”, trainees will be invited to use several annotation tools, such as TrEd, PDTB, Brat, PDTB-tool and MMAX. | Přednáska je zaměřena na anotační nástroj, které se používají pro zaznamenávání diskurzních jevů (TrEd, PDTB, Brat, PDTB-tool, MMAX, etc.) | [
"Anna Nedoluzhko"
] | https://www.semanticscholar.org/paper/02dc65418d2181a6ea09aeed5b6c0749a0b3426f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Discourse annotation approaches to Czech and German | Anotace diskurzu v češtině a němčině | In the talk, I summariye common and different features in the annotation approaches to Czech (PDT-like) and German (applied in GECCo). | Shrnutí čeho jsme dosáhli v rozborech, anotacích a analýze češtiny (PDT) a němčiny v rámci korpusu GECCo. | [
"Anna Nedoluzhko"
] | https://www.semanticscholar.org/paper/b725f7998037a364a299d0b823e5704ff23c31e8/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Discourse annotation theories and tools | Anotace diskurzu - teorie a nástroje | Discourse coherence is a complex natural language phenomenon which is achieved by different linguistic means (e.g., anaphoricity, information structure, discourse markers and connectives, rhetorical structure of text, etc.). Many approaches in computational linguistics are used to capture discourse relations and Tind practical applications. This session focuses on discussing theories and approaches applied to the annotation of discourse phenomena in different languages, such as Rhetorical Structure Theory, Penn Discourse Treebank, Segmented Discourse Representation Theory and so on. Participants will have the opportunity to compare these approaches to see which phenomena are central to them and which ones are less prominent. We will also introduce the tools of discourse annotation and demonstrate esp. TrEd, PDTB and MMAX. | V rámci přednásky byly představeny existující teorie anotace diskurních jevů a nástroje, které se pro tento typ anotací používají. | [
"Anna Nedoluzhko"
] | https://www.semanticscholar.org/paper/0ab2c5c3aba6838a5bf34c269d4a99fa8a5aab06/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Personal and reflexive possessives in Czech in comparison to Russian | Osobní a reflexivní posesiva v češtině ve srovnání s ruštinou | Comparative analysis of personal and possessive reflexives in Czech and Russian. Analysis of secondary literature. | K zajímavým lingvistickým poznatkům lze dojít různými cestami: analýzou korpusových dat, srovnáním typologicky blízkých a vzdálenějších jazyků mezi sebou, použitím dotazníků nebo podnětů z odborné literatury. V plánovaném příspěvku chceme kombinací těchto přístupů dospět k důkladnějšímu popisu chování posesívních reflexivních zájmen v češtině a ruštině.
Rozbor anglo-česko-ruského paralelního korpusu (PCEDT-R) poukázal na značné statistické rozdíly v použití posesiv v těchto třech jazycích. Zatímco v angličtině se často používají ve funkci determinátoru při jmenné frázi, v češtině a ruštině je jejich frekvence výrazně nižší. Avšak i mezi češtinou a ruštinou se najdou značné – jak frekvenční tak funkční – rozdíly. Chování osobních a reflexivních přivlastňovacích zájmen a jejich konkurence byly dosud popisovány pro každý jazyk zvlášť. Pro češtinu jsou normativní pravidla použití reflexivního posesiva „svůj“ formulována již v Trávníčkově mluvnici (Trávníček, 1951). Pravidlům jejich skutečné distribuce v současné češtině se podrobně věnovaly např. práce F. Daneše a K. Hausenblase (1962), J. Panevové (1986) a S. Čmejrkové (1998, 2011). Konkurenci „svoj“ a „jego“ v ruštině se věnovala hlavně E. Padučevová (1983, 1985), která nabídla formálně syntaktická, sémantická a pragmatická pravidla distribuce těchto zájmen. Každá z těchto prací se však soustředí na analýzu tohoto jevu v jednom jazyce. Zde se zaměříme na porovnání výsledků, k nimž jmenovaní autoři došli a budeme hledat inspiraci pro lepší pochopení použití těchto zájmen v češtině a ruštině zvlášť.
Na první pohled se zdá, že se pravidla distribuce osobních posesiv a „svůj“ se v ruštině a češtině do značné míry shodují. Avšak dotazníky vytvořené na základě použité literatury tuto podobnost neprokazují. Zjišťujeme například, že Padučevovou navržený distributivní význam reflexivního posesiva, který je pro ruštinu úplně běžný, je v češtině zcela marginální (U každogo učenogho jesť svoja biblioteka – Každý vědec má *svou/vlastní knihovnu). Podobné je to u významu, který je nazýván 'ovladání'. Ten je pro užití ruského „svoj“ natolik produktivní, že se již vymyká pojetí frazému (Svoja kvartira lučše čem sjemnaja - *Svůj (=vlastní) byt je lepší než pronajatý.) Ruské „svoj“ má také řadu sekundárních významů, které v češtině chybí.
Analýza paralelních korpusových dat (Intercorp, PCEDT-R) ukazuje, že česká posesiva se dají častěji vynechat, jejich výskyt je tedy často fakultativní, tím se čeština od ruštiny liší. Zjistili jsme to na textech, které byly přeloženy z angličtiny, ale ověřili jsme to statisticky i na originálních textech přiměřené velikosti a tematiky (z PDT a RTB).
V referátu sjednotíme teoretické poznatky s výsledky korpusové analýzy a vymezíme společné a odlišné rysy použití osobních a reflexivních přivlastňovacích zájmen v češtině a ruštině. | [
"Anna Nedoluzhko"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Coreference in Prague Czech-English Dependency Treebank | Koreference v Pražském česko-anglickém závislostním treebanku | We present coreference annotation on parallel Czech-English texts of the Prague Czech-English Dependency Treebank (PCEDT). The paper describes innovations made to PCEDT 2.0 concerning coreference, as well as coreference information already present there. We characterize the coreference annotation scheme, give the statistics and compare our annotation with the coreference annotation in Ontonotes and Prague Dependency Treebank for Czech. We also present the experiments made using this corpus to improve the alignment of coreferential expressions, which helps us to collect better statistics of correspondences between types of coreferential relations in Czech and English. The corpus released as PCEDT 2.0 Coref is publicly available. | Představujeme anotaci koreference na paralelních česko-anglických textech Pražského česko-anglického závislostního treebanku (PCEDT). | [
"Anna Nedoluzhko",
"Michal Novák",
"Silvie Cinková",
"Marie Mikulová",
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/311f279be8102364a6e511adde3f251beab329bd/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Prague Czech-English Dependency Treebank 2.0 Coref | Pražský česko-anglický závislostní korpus 2.0 (koreferenční rozšíření) | We present an extended version of the Prague Czech-English Dependency Treebank 2.0 (PCEDT 2.0). It includes all annotation of coreference (the original one from PCEDT 2.0 as well as the new one) and improved cross-lingual alignment of coreferential expressions. The corpus released as PCEDT 2.0 Coref is publicly available. | Vydání Pražského česko-anglického závislostního treebanku 2.0 (PCEDT), obsahující všechny anotace koreference (původní z PCEDT 2.0 i nové) a vylepšené mezijazyčné zarovnání koreferenčních výrazǔ. | [
"Anna Nedoluzhko",
"Michal Novák",
"Silvie Cinková",
"Marie Mikulová",
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/03c944a4b25cfb2b268253e11977d9c7cb6c6f92/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Abstract Coreference in a Multilingual Perspective: a View on Czech and German | Abstraktní koreference ve vícejazyčné perspektivě: Pohled na češtinu a němčinu | This paper aims at a cross-lingual analysis of coreference to abstract entities in Czech and German, two languages that are typologically not very close, since they belong to two
different language groups – Slavic and Germanic. We will specifically focus on coreference chains to abstract entities, i.e. verbal phrases, clauses, sentences or even longer text
passages. To our knowledge, this type of relation is underinvestigated in the current stateof-the-art literature. | Srovnávácí analýzy koreferenčních výrazů poukazujících k abstraktním entitám a propozicím v češtině a němčině. | [
"Anna Nedoluzhko",
"Ekaterina Lapshinova-Koltunski"
] | https://www.semanticscholar.org/paper/6f92108925e13f89c4244411ca4202063dc07d3f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Contrasting Coreference in Czech and German: from Different Frameworks to Joint Results | Koreference v cestine a nemcine: od ruznych pristupu ke spojenym vysledkum | In this paper, we analyse coreference patterns in Czech and German. We specifically
focus on different types of coreference chains and their properties,
for instance, their length, number and functional subtypes of the elements
inside these chains. We use two datasets annotated within different annotation
frameworks, showing that this approach is possible if an interoperable
analysis scheme is applied. | V clanku venujeme koreferencnim retezcum v ceskych a nemeckych textech. Za zaklad bereme jiz anotovane originalni texty v techto jazycich, aplikujeme spolecne prunikove schema a analyzujeme vysledky. | [
"Anna Nedoluzhko",
"Ekaterina Lapshinova-Koltunski",
"Kerstin Anna Kunz"
] | https://www.semanticscholar.org/paper/a9a8e9b608599eefcf052e941e8ad0934ee80781/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Possessives in Parallel English‑Czech-Russian Texts | Possesiva v českých a ruských textech | We present a corpus-based analysis of the use of possessive and reflexive possessive pronouns in a newly created English-Czech-Russian parallel corpus (PCEDT-R). Automatic word-alignment was applied to the texts, which were subsequently manually corrected. In the word-aligned data, we have manually annotated all correspondences of possessive and possessive reflexive pronouns from the perspective of each analysed language. The collected statistics and the analysis of the annotated data allowed us to formulate assumptions about language differences. Our data confirm the relative frequency of possessive pronouns in English as compared to Czech and Russian, and we explain it by the category of definiteness in English. To confirm some of our hypotheses, we used other corpora and questionnaires. We compared the translated texts in Czech and Russian from our corpus to the original texts from other corpora, in order to find out to what degree the translation factor might influence the frequency of possessives. | Korpusová analýza použití posesivních zájmen v nově vytvořeném anglicko-česko-ruském paralelním korpusu PCEDT-R. V článku představujeme korpus, popisujeme jeho anotaci a prezentujeme statistiky na něm spočtené. | [
"Anna Nedoluzhko",
"Anna Schwarz (Khoroshkina)",
"Michal Novák"
] | https://www.semanticscholar.org/paper/dfd6cb9277e1934a804d4a6d88d05657ee6a86d1/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | New Encyclopedic Dictionary of Czech | Nový encyklopedický slovník češtiny | The title of the present publication suggests that it follows up the Encyclopedic Dictionary of Czech (2002) and its goals. However, it exceeds the previous dictionary in the extent, contents and form of the individual entries as well as the dictionary as a whole. | Titul předkládané publikace napovídá, že navazuje na Encyklopedický slovník češtiny (2002) a cíle, které si kladl. Rozsahem, obsahem a formou jednotlivých hesel i slovníku jako celku jej však přesahuje. | [
"Gabriel Altman",
"Jan Andres",
"Johan van der Auwera",
"Jarmila Bachmannová",
"Jan Balhar",
"Aleš Bičan",
"Lenka Bičanová",
"Jana Bílková",
"Petr Biskup",
"Ondřej Bláha",
"Izabela Blaszczyk",
"Ondřej Bojar",
"Tomáš Bořil",
"Máša Bořkovcová",
"Ivana Bozděchová",
"Pavel Caha",
"Václav Cvrček",
"Radek Čech",
"Marie Čechová",
"František Čermák",
"David S. Danaher",
"František Daneš",
"Jaroslav David",
"Mojmír Dočekal",
"Jakub Dotlačil",
"Vít Dovalil",
"Věra Dvořák",
"Eva Eckertová",
"Viktor Elšík",
"Joseph Emonds",
"Adolf Erhart",
"François Esvan",
"Dan Faltýnek",
"Masako Fidler",
"Alena Andrlová Fidlerová",
"Zbyněk Fišer",
"Eva Flanderková",
"Mirjam Fried",
"Markus Giger",
"Miroslav Grepl",
"Jan Hajič",
"Eva Hajičová",
"Ernst Hansack",
"Björn Hansen",
"Radoslav Harman",
"Milan Harvalík",
"Martin Havlík",
"Eva Havlová",
"Elke Hentschel",
"Milada Hirschová",
"Zdeňka Hladká",
"Jana Hoffmannová",
"Jiří Homoláč",
"Milada Homolková",
"Tomáš Hoskovec",
"Jan Hric",
"Jaroslav Hubáček",
"Jan Chloupek",
"Leonid L. Iomdin",
"Pavel Ircing",
"Laura Janda",
"Ilona Janyšková",
"Milan Jelínek",
"Tomáš Jelínek",
"Lucie Jílková",
"Filip Jurčíček",
"Michal Jurka",
"Petr Karlík",
"Petr Karlík mladší",
"Helena Karlíková",
"Stanislava Kloferová",
"Martina Kloudová",
"Miroslava Knappová",
"Robert Kolár",
"Ivana Kolářová",
"Marie Kopřivová",
"Jan Kořenský",
"Pavel Kosek",
"Peter Kosta",
"Michaela Koščová",
"Jiří Koten",
"Ondřej Koupil",
"Michal Kovář",
"Michala Králíková",
"Marie Krappmann",
"Jiří Kraus",
"Marie Krčmová",
"Susan Kresin",
"Michal Křen",
"Michal Křístek",
"Pavel Kubaník",
"Miroslav Kubát",
"Tomáš Kubík",
"Vladislav Kuboň",
"Ivona Kučerová",
"Natalia Levshina",
"Alena Macurová",
"Ján Mačutek",
"Jarosław Malicki",
"Petr Mareš",
"Olga Martincová",
"Jiří Marvan",
"Jindřich Matoušek",
"Barbara Mertins",
"Roland Meyer",
"Krzysztof Migdalski",
"Eva Minářová",
"Kamila Mrázková",
"Iveta Mrázová",
"Richard Müller",
"Olga Müllerová",
"Mira Nábělková",
"Olga Navrátilová",
"Iva Nebeská",
"Anna Nedoluzhko",
"Marek Nekula",
"Zuzana Nevěřilová",
"Stefan Michael Newerkla",
"Mark Newson",
"Pavel Novák",
"Renata Novotná",
"Norbert Nübler",
"Radek Ocelák",
"Karel Oliva",
"Ivo Osolsobě",
"Klára Osolsobě",
"Ludmila Pacnerová",
"Karel Pala",
"Zdena Palková",
"Jarmila Panevová",
"Pavel Pecina",
"Jaroslav Peregrin",
"Anna Maria Perissutti",
"Ondřej Pešek",
"Vladimír Petkevič",
"Petr Plecháč",
"Jana Pleskalová",
"Jan Radimský",
"Paul Rastall",
"Alexandr Rosen",
"Zdenka Rusínová",
"Lucie Saicová Římalová",
"Tamah Sherman",
"Tobias Scheer",
"Boris Skalka",
"Radek Skarnitzl",
"Marián Sloboda",
"Olga Stehlíková",
"Hana Strachoňová",
"Jana Straková",
"Roman Sukač",
"Zbyněk Sviták",
"Aleš Svoboda",
"Josef Syka",
"Ondřej Šefčík",
"Radek Šimík",
"Hana Gruet Škrabalová",
"Dušan Šlosar",
"Rudolf Šrámek",
"Jan Štěpán",
"František Štícha",
"Michaela Tabakovičová",
"Knut Tarald Taraldsen",
"Lucie Taraldsen Medová",
"Jiří Trávníček",
"Vladimír Trpka",
"Jana Marie Tušková",
"Ludmila Uhlířová",
"Lenka Uličná",
"Oldřich Uličný",
"Jana Valdrová",
"Irena Vaňková",
"Ivo Vasiljev",
"Radoslav Večerka",
"Jarmil Vepřek",
"Ljuba Veselinova",
"Kateřina Veselovská",
"Ludmila Veselovská",
"Jan Volín",
"Taťána Vykypělová",
"Roland Wagner",
"James Wilson",
"Uliana Yazhinova",
"Daniel Zeman",
"Jiří Zeman",
"Šárka Zikánová",
"Markéta Ziková",
"Petr Zima",
"Ilse Zimmermann",
"Zdeněk Žabokrtský",
"Stanislav Žaža"
] | https://www.semanticscholar.org/paper/1114b705946894c188e080003257d35955a56780/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Adapting SMT Query Translation Reranker to New Languages in Cross-Lingual Information Retrieval | Adaptace sytému pro přeuspořádávání hypotéz strojového překladu dotazů na nové jazyky pro vícejazyčné vyhledávání informací. | We investigate adaptation of a supervised machine learning model for reranking of query translations to new languages in the context of cross-lingual information retrieval. The model is trained to rerank multiple translations produced by a statistical machine translation system and optimize retrieval quality. The model features do not depend on the source language and thus allow the model to be trained on query translations coming from multiple languages. In this paper, we explore how this affects the final retrieval quality. The experiments are conducted on medical-domain test collection in English and multilingual queries (in Czech, German, French) from the CLEF eHealth Lab series 2013--2015.
We adapt our method to allow reranking of query translations for four new languages (Spanish, Hungarian, Polish, Swedish). The baseline approach, where a single model is trained for each source language on query translations from that language, is compared with a model co-trained on translations from the three original languages. | Tento článek se zabývá metodou překladu vyhledávacích dotazů, která přeuspořádávává překladové hypotézy produkované překladovým systémem, a to s ohledem na kvalitu výsledného vyhledávání. V článku je prezentován způsob adaptace této metody na nové zdrojové jazyky. | [
"Shadi Saleh",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/9cd6fe718d11caa6b318dcc4c87874a417eb831e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Reranking Hypotheses of Machine-Translated Queries for Cross-Lingual Information Retrieval | Přeuspořádávání hypotéz strojového překladu dotazů pro vícejazyčné vyhledávání informací | Machine Translation (MT) systems employed to translate queries for Cross-Lingual Information Retrieval typically produce single translation with maximum translation quality. This, however, might not be optimal with respect to retrieval quality and other translation variants might lead to better retrieval results. In this paper, we explore a method exploiting multiple translations produced by an MT system, which are reranked using a supervised machine-learning method trained to directly optimize the retrieval quality. We experiment with various types of features and the results obtained on the medical-domain test collection from the CLEF eHealth Lab series show significant improvement of retrieval quality compared to a system using single translation provided by MT. | Strojový překlad dotazů pro vícejazyčné vyhledávání informací je obvykle cílen na maximální překladovou kvalitu. To ovšem nemusí být optimální s ohledem na kvalitu vyhledávání a jiné překladové hypotézy mohou vést k lepším výsledkům vyhledávání. V tomto článku zkoumáme metodu využívající více možných překladů, které jsou přeuspořádávány pomocí metody založené na strojovém učení, která je optimalizována přímo na kvalitu překladu. | [
"Shadi Saleh",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/1f02b0a248ce2750acce0c4d4136a37e6d64a107/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Task3 Patient-Centred Information Retrieval: Team CUNI | Úloha 3: vyhledávání informací se zaměřením na uživatele: Tým Univerzity Karlovy | In this paper we present our participation as the team of
the Charles University at Task3 Patient-Centred Information Retrieval. In the monolingual task and its subtasks, we submitted two runs: one is based on language model approach and the second one is based on vector space model. For the multilingual task, Khresmoi translator, a Statistical Machine Translation (SMT) system, is used to translate the queries into English and get the n-best-list. For the baseline system, we take 1-best-list translation and use it for the retrieval, while for other runs, we use a machine learning model to rerank the n-best-list translations and predict the translation that gives the best CLIR performance in terms of P@10. We present set of features to train the model, these features are generated from the SMT verbose output, different resources like UMLS Metathesaurus, MetaMap, document collection and from the Wikipedia
articles. Experiments on previous CLEF eHealth IR tasks test set show significant improvement brought by the reranker over the baseline system. | Zpráva o účasti týmu Univerzity Karlovy v soutěži vyhledávání zdravotních informací CLEF eHealth Evaluation Lab 2016. | [
"Shadi Saleh",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/5ca181ec1f7d54169eadac541692f155e32c6a9f/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Vystadial 2016 – Czech data | Vystadial 2016 – Česká data | Vystadial 2016 is a dataset of telephone conversations in Czech, developed for training acoustic models for automatic speech recognition in spoken dialogue systems. The data comprise over over 75 hours in Czech, plus orthographic transcriptions. | Vystadial 2016 je databáze telefonních hovorů v češtině, vyvinuté pro trénování akustických modelů pro automatické rozpoznávání řeči v dialogových systémech. Data obsahují více než 75 hodin v českém jazyce. | [
"Ondřej Plátek",
"Ondřej Dušek",
"Filip Jurčíček"
] | https://www.semanticscholar.org/paper/c7842f97eb59af13f19dbf8174e219e4f08cae63/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Recurrent Neural Networks for Dialogue State Tracking | Rekurentní neuronové sítě pro sledování dialogového stavu | This paper discusses models for dialogue state tracking using recurrent neural networks (RNN). We present experiments on the standard dialogue state tracking (DST) dataset, DSTC2. On the one hand, RNN models became the state of the art models in DST, on the other hand, most state-of-the-art models are only turn-based and require dataset-specific preprocessing (e.g. DSTC2-specific) in order to achieve such results. We implemented two architectures which can be used in incremental settings and require almost no preprocessing. We compare their performance to the benchmarks on DSTC2 and discuss their properties. With only trivial preprocessing, the performance of our models is close to the state-of- the-art results. | Tento článek se zabývá modely pro sledování stavu dialogu pomocí rekurentních neuronových sítí (RNN). Představujeme pokusy na datové sadě, DSTC2. Na jedné straně, RNN modely dosahují vynikajících výsledků. Na druhou stranu většina state-of-the-art modelů jsou "turn-based" a vyžadují specifické předzpracování (např pro data z DSTC2) k dosažení vynikajících výsledků. Představili jsme dvě architektury, které mohou být použity v inkrementálních nastavení a nevyžadují téměř žádnou předzpracování. V članku porovnáváme jejich výkonnost na referenčních hodnotách pro DSTC2 a diskutujeme jejich vlastnosti. S pouze triviální předzpracováním se výkon našich modelů blíží k výsledkům state-of-the-art. | [
"Ondřej Plátek",
"Petr Bělohlávek",
"Vojtěch Hudeček",
"Filip Jurčíček"
] | https://www.semanticscholar.org/paper/b733edcc5b6e70f2403451ab203d83e70af51f10/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | A Dataset of Operator-client Dialogues Aligned with Database Queries for End-to-end Training | Dataset konverzací mezi operátorem a klientem zarovaný s dotazy do databáze pro end-to-end trénovaní | This paper presents a novel dataset for training end-to-end task oriented conversational agents. The dataset contains conversations between an operator – a task expert, and a client who seeks information about the task. Along with the conversation transcriptions, we record database API calls performed by the operator, which capture a distilled meaning of the user query. We expect that the easy-to-get supervision of database calls will allow us to train end-to-end dialogue agents with significantly less training data. The dataset is collected using crowdsourcing and the conversations cover the well-known restaurant domain. Quality of the data is enforced by mutual control among contributors. The dataset is available for download under the Creative Commons 4.0 BY-SA license. | Tento článek prezentuje novou datovou sadu pro výcvik end-to-end úkol orientovaně konverzační agentů. Obsahuje rozhovory mezi operátorem - odborníkem na danou doménu, a klientem, který hledá informace o úloze. Spolu s konverzační přepisy zaznamenáme databázová volání prováděné operátorem, které zachycují význam dotazu uživatele. Očekáváme, že se snadno získatelné databázová volání nám umožní trénovat end-to-end dialog agenty se s výrazně méně tréninkových dat. Datová sada je sbírána pomocí crowdsourcing a rozhovory pokrývají dobře známé restaurace doménu. Kvalita dat je vynucováno vzájemné kontroly mezi přispěvateli. Datový soubor je k dispozici ke stažení pod licencí Creative Commons 4.0 BY-SA licencí. | [
"Ondřej Plátek",
"Filip Jurčíček"
] | https://www.semanticscholar.org/paper/d33da37edbef09ff76f8765a418164c51eb833af/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | A Framework for Discriminative Rule Selection in Hierarchical Moses | Systém pro diskriminativní výběr pravidel v hierarchickém překladači Moses | We propose two contributions to discriminative rule selection in hierarchical machine translation. First, we test previous approaches on two French-English translation tasks in domains for which only limited resources are available and show that they fail to improve translation quality. To improve on such tasks, we propose a rule selection model that is (i) global with rich label-dependent features (ii) trained with all available negative samples. Our global model yields significant improvements, up to 1 BLEU point, over previously proposed rule selection models. | Navrhujeme dva příspěvky k diskriminativnímu výběru pravidel v hierarchickém strojovém překladu. Ověřujeme předchozí přístupy na dvou úlohách francouzsko-anglického překladu na doménách s omezenými zdroji a ukazujeme, že nedokážou zlepšit překladovou kvalitu. Navrhujeme model pro výběr pravidel, který je (i) globální a využívá bohatou sadu rysů a (ii) je trénován s využitím všech dostupných negativních příkladů. Náš globální model přináší významné zlepšení až 1 bod BLEU oproti předchozím modelům pro výběr pravidel. | [
"Fabienne Braune",
"Alexander Fraser",
"Hal Daumé III",
"Aleš Tamchyna"
] | https://www.semanticscholar.org/paper/0c3245022d37e1f7f81e1d04483858354a71a204/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | What data are used in machine translation | Jak pracuje automatický překlad | An introduction to machine translation for employees of governmental and other public institutions. | Představení technik strojového překladu pro pracovníky státní správy a veřejných institucí. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/2c686c6c978263fdcd1f47b558d4570ae272ac3e/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | What data are used in machine translation | Jaká data se používají ve strojovém překladu | An overview of method for acquiring parallel data and for their preparation for the purposes of MT training. | Přehled o metodách získávání paralelních dat a jejich přípravě pro trénování modelů strojového překladu. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/2c686c6c978263fdcd1f47b558d4570ae272ac3e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | WMT Metrics Task: Past Great Metrics, Current Evaluation Experiments, Future Metrics Challenges | WMT Metrics Task: Úspěšné starší metriky, současné experimenty, budoucí výzvy | A summary of ten years of automatic MT evaluation, highlighting past successful metrics, current evaluation challenges and topics that need to be tackled in the future. | Příspěvek shrnul deset let konání soutěže v automatickém hodnocení kvality překladu: představil úspěšné minulé metriky, současné experimenty a poukázal na potřebné další směry vývoje. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/edaef609e4a621122ca65a6aedae372cc83a42de/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | CzEng 1.6 | CzEng 1.6 | A new release of the Czech-English parallel corpus CzEng. CzEng 1.6 consists of about 0.5 billion words (“gigaword”) in each language. The corpus is equipped with automatic annotation at a deep syntactic level of representation and alternatively in Universal Dependencies. | Nové vydání česko-anglického paralelního korpusu CzEng. CzEng 1.6 obsahuje kolem půl miliardy slov v každém z jazyků. | [
"Ondřej Bojar",
"Ondřej Dušek",
"Tom Kocmi",
"Jindřich Libovický",
"Michal Novák",
"Martin Popel",
"Roman Sudarikov",
"Dušan Variš"
] | https://www.semanticscholar.org/paper/18080d9c8544656c50e4dc388118dabd19dcf95a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | CzEng 1.6 pipeline: Docker container | CzEng 1.6 Docker kontejner | A pipeline of linguistic analysis used for CzEng 1.6 packaged in a Docker container. Any English or Czech text can be processed by this pipeline. The processing pipeline includes part-of-speech tagging, parsing, named entity recognition, semantic role labelling, coreference resolution etc. | Lingvistická anotace angličtiny a češtiny použitá pro CzEng 1.6 je nyní k dispozici pro jakýkoliv text ve formě Docker kontejneru. | [
"Ondřej Bojar",
"Ondřej Dušek",
"Tom Kocmi",
"Jindřich Libovický",
"Michal Novák",
"Martin Popel",
"Roman Sudarikov",
"Dušan Variš"
] | https://www.semanticscholar.org/paper/18080d9c8544656c50e4dc388118dabd19dcf95a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | CzEng 1.6: Enlarged Czech-English Parallel Corpus with Processing Tools Dockered | CzEng 1.6: Větší česko-anglický paralelní korpus | We present a new release of the Czech-English parallel corpus CzEng. CzEng 1.6 consists of about 0.5 billion words (“gigaword”) in each language. The corpus is equipped with automatic annotation at a deep syntactic level of representation and alternatively in Universal Dependencies. Additionally, we release the complete annotation pipeline as a virtual machine in the Docker virtualization toolkit. | Představujeme nové vydání česko-anglického paralelního korpusu CzEng. CzEng 1.6 obsahuje kolem půl miliardy slov v každém z jazyků. | [
"Ondřej Bojar",
"Ondřej Dušek",
"Tom Kocmi",
"Jindřich Libovický",
"Michal Novák",
"Martin Popel",
"Roman Sudarikov",
"Dušan Variš"
] | https://www.semanticscholar.org/paper/18080d9c8544656c50e4dc388118dabd19dcf95a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Findings of the 2016 Conference on Machine Translation (WMT16) | Výsledky Workshopu o statistickém strojovém překladu v roce 2016 | This paper presents the results of the
WMT16 shared tasks, which included five
machine translation (MT) tasks (standard
news, IT-domain, biomedical, multimodal,
pronoun), three evaluation tasks (metrics,
tuning, run-time estimation of MT quality),
and an automatic post-editing task
and bilingual document alignment task.
This year, 102 MT systems from 24 institutions
(plus 36 anonymized online systems)
were submitted to the 12 translation
directions in the news translation task. The
IT-domain task received 31 submissions
from 12 institutions in 7 directions and the
Biomedical task received 15 submissions
systems from 5 institutions. Evaluation
was both automatic and manual (relative
ranking and 100-point scale assessments). | Článek představuje výsledky společných úloh WMT16, které zahrnovaly 5 úloh strojového překladu (novinové texty, IT doména, biomedicína, multimodální překlad a překlad zájmen), 3 úlohy vyhodnocovací (metriky, tuning, odhadu kvality překladu) a automatické posteditace a bilingvní párování dokumentů. Letos se WMT zůčastnilo 102 překladových systémů z 24 institucí (plus 36 anonymizovaných online systémů). | [
"Ondřej Bojar",
"Rajen Chatterjee",
"Christian Federmann",
"Yvette Graham",
"Barry Haddow",
"Matthias Huck",
"Antonio Jimeno Yepes",
"Philipp Koehn",
"Varvara Logacheva",
"Christof Monz",
"Matteo Negri",
"Aurelie Névéol",
"Mariana Neves",
"Martin Popel",
"Matt Post",
"Raphael Rubino",
"Carolina Scarton",
"Lucia Specia",
"Marco Turchi",
"Karin Verspoor",
"Marcos Zampieri"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Results of the WMT16 Metrics Shared Task | Výsledky soutěže ve vyhodnocování strojového překladu | This paper presents the results of the
WMT16 Metrics Shared Task. We asked
participants of this task to score the outputs
of the MT systems involved in the
WMT16 Shared Translation Task. We
collected scores of 16 metrics from 9 research
groups. In addition to that, we computed
scores of 9 standard metrics (BLEU,
SentBLEU, NIST, WER, PER, TER and
CDER) as baselines. The collected scores
were evaluated in terms of system-level
correlation (how well each metric’s scores
correlate with WMT16 official manual
ranking of systems) and in terms of segment
level correlation (how often a metric
agrees with humans in comparing two
translations of a particular sentence).
This year there are several additions to
the setup: large number of language pairs
(18 in total), datasets from different domains
(news, IT and medical), and different
kinds of judgments: relative ranking
(RR), direct assessment (DA) and HUME
manual semantic judgments. Finally, generation
of large number of hybrid systems
was trialed for provision of more conclusive
system-level metric rankings. | Článek shrnuje výsledky soutěže v hodnocení kvality strojového překladu. Letos je soutěž rozšířena o několik novinek: větší počet jazykových párů, data z více domén, tři způsoby ručního vyhodnocení, jemuž se mají automatické metody v soutěži přiblížit. | [
"Ondřej Bojar",
"Yvette Graham",
"Amir Kamran",
"Miloš Stanojević"
] | https://www.semanticscholar.org/paper/6316c4fbfca99aa6c9b7ff6489d3597dedbbb211/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | UFAL Submissions to the IWSLT 2016 MT Track | Překladové systémy ÚFALu v MT soutěži IWSLT 2016 | We present our submissions to the IWSLT 2016 machine
translation task, as our first attempt to translate subtitles and
one of our early experiments with neural machine translation
(NMT). We focus primarily on English→Czech translation
direction but perform also basic adaptation experiments for
NMT with German and also the reverse direction. Three MT
systems are tested: (1) our Chimera, a tight combination of
phrase-based MT and deep linguistic processing, (2) Neural
Monkey, our implementation of a NMT system in TensorFlow
and (3) Nematus, an established NMT system. | Představujeme naše systémy v překladové soutěži IWSLT 2016. Jedná se o naše první systémy pro překlad filmových titulků a současně o jedny z prvních experimentů s neuronovým překladem, které provádíme. | [
"Ondřej Bojar",
"Ondřej Cífka",
"Jindřich Helcl",
"Tom Kocmi",
"Roman Sudarikov"
] | https://www.semanticscholar.org/paper/cbdb9b7fe8bb5e8b01fc93316df10f4c61e4879e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Ten Years of WMT Evaluation Campaigns: Lessons Learnt | Deset let vyhodnocovacích kampaní WMT: Získané zkušenosti | The WMT evaluation campaign (http://www.statmt.org/wmt16) has been run annually since 2006. It is a collection of shared
tasks related to machine translation, in which researchers compare their techniques against those of others in the field. The longest
running task in the campaign is the translation task, where participants translate a common test set with their MT systems. In addition
to the translation task, we have also included shared tasks on evaluation: both on automatic metrics (since 2008), which compare the
reference to the MT system output, and on quality estimation (since 2012), where system output is evaluated without a reference. An
important component of WMT has always been the manual evaluation, wherein human annotators are used to produce the official ranking
of the systems in each translation task. This reflects the belief of theWMTorganizers that human judgement should be the ultimate arbiter
of MT quality. Over the years, we have experimented with different methods of improving the reliability, efficiency and discriminatory
power of these judgements. In this paper we report on our experiences in running this evaluation campaign, the current state of the art in
MT evaluation (both human and automatic), and our plans for future editions of WMT. | Článek shrnuje deset ročníků soutěží ve strojovém překladu a ve vyhodnocování jeho kvality: WMT. | [
"Ondřej Bojar",
"Christian Federmann",
"Barry Haddow",
"Philipp Koehn",
"Matt Post",
"Lucia Specia"
] | https://www.semanticscholar.org/paper/79eb4723363dc7d117ecf7c3d7b1051384fabdf9/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | A Pilot Eye-Tracking Study of WMT-Style Ranking Evaluation | Pilotní studie sledování očních pohybů při hodnocení překladů WMT | The shared translation task of the Workshop of Statistical Machine Translation (WMT) is one of the key annual events of the field. Participating
machine translation systems in WMT translation task are manually evaluated by relatively ranking five candidate translations
of a given sentence. This style of evaluation has been used since 2007 with some discussion on interpreting the collected judgements but
virtually no insight into what the annotators are actually doing. The scoring task is relatively cognitively demanding and many scoring
strategies are possible, influencing the reliability of the final judgements. In this paper, we describe our first steps towards explaining the
scoring task: we run the scoring under an eye-tracker and monitor what the annotators do. At the current stage, our results are more of a
proof-of-concept, testing the feasibility of eye tracking for the analysis of such a complex MT evaluation setup. | Soutěž ve strojovém překladu WMT používá od roku 2007 ruční hodnocení, kdy anotátor vidí najednou pět kandidátských překladů. Přes relativně dlouhou dobu používání nemáme dosud jasnou představu, co přesně anotátoři dělají. Tento článek představuje pilotní studii s osmi anotátory, jejichž oční pohyby jsme během hodnocení zaznamenávali na eyetrackeru a následně vyhodnotili. | [
"Ondřej Bojar",
"Filip Děchtěrenko",
"Maria Zelenina"
] | https://www.semanticscholar.org/paper/869704c32328bda6c065f29b6252ec7d5d4cfb18/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | The Chimera-TectoMT architecture of Machine Translation with Deep Linguistic Analysis | Chimera-TectoMt architektura strojového překladu s hlubokou jazykovou analýzou | The TectoMT system is a result of long-term development which began in the pre-statistical era at Charles University in Prague and continued to include state-of-the-art tools for POS tagging, morphological feature disambiguation, lemmatization parsing, and some aspects of semantic analysis. It follows the usual Analysis – Transfer – Generation workflow, with transfer trained on a large parallel corpus using Hidden Markov Tree Model. Generation is partly rule-based (at the syntax level) and partly statistical (at the inflection/morphology level). Chimera is a hybrid system that uses a specific combination of TectoMT and a standard Phrase-based SMT (Moses), complemented by a “Depfix” automatic post-editing system, which as a whole improves on the individual systems, as documented in the results of the recent WMT Shared tasks. The system has been originally developed for English-Czech and recently transferred to several other languages within the EU QTLeap project (qtleap.eu), where it has been successfully used in the IT domain for both question and answer translation in a Q&A context. Both the TectoMT and Chimera systems will be presented together with a discussion about language (in)dependence of such a hybrid solution. | Prezentace vítězného systému ze soutěže (Shared Task) WMT 2013-2015. Byla prezentována architektura, zásadní moduly a principy, a statistické komponenty. | [
"Jan Hajič"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Verb Argument Pairing in Czech-English Parallel Treebank | Párování slovesných argumentů v česko-anglickém paralelním korpusu | We describe CzEngVallex, a bilingual Czech-English valency lexicon which aligns verbal valency frames and their arguments. It is based on a parallel Czech-English corpus, the Prague Czech-English Dependency Treebank, where for each occurrence of a verb a reference to the underlying Czech and English valency lexicons is explicitly recorded. CzEngVallex lexicon pairs the entries (verb senses) of these two lexicons, and allows for detailed studies of verb valency and argument structure in translation. While some related studies have already been published on certain phenomena, we concentrate here on basic statistics, showing that the variability of verb argument mapping between verbs in the two languages is richer than it might seem and than the perception from the studies published so far might have been. | V článku popisujeme CzEngVallex, bilingvní česko-anglický valenční slovník, zachycující propojení slovesné valence na základě překladových textů. Předkládáme zde základní statistiky, které podchycují mapování argumentů propojených sloves. | [
"Jan Hajič",
"Eva Fučíková",
"Jana Šindlerová",
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/1fa3b18a53cf61faad1347e73ac63c2f67e57590/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Linguistically Annotated Corpus as an Invaluable Resource for Advancements in Linguistic Research: A Case Study | Jazykově anotovaný korpus jako důležitý zdroj pro jazykovědný výzkum | A case study based on experience in linguistic investigations using annotated monolingual and multilingual text corpora; the “cases” include a description of language phenomena belonging to different layers of the language system: morphology, surface and underlying syntax, and discourse; the analysis is based on a complex annotation of syntax, semantic functions, information structure and discourse relations of the Prague Dependency Treebank, a collection of annotated Czech texts. We want to demonstrate that annotation of corpus is not a self-contained goal: in order to be consistent, it should be based on some linguistic theory, and, at the same time, it should serve as a test bed for the given linguistic theory in particular and for linguistic research in general. | Případová studie založená na zkušenosti autorů s lingvistickým výzkumem opírajícím se o anotovaný monolingvální I paralelní korpus. Příspěvek zahrnuje popis jevů patřících k různým jazykovým rovinám (morfologie, syntax povrchová I hloubková a diskurs). Podkladem je Pražský závislostní korpus , soubor českých textů komplexně anotovaných na hloubkové syntaktické rovině včetně diskurzních vztahů a informační struktury věty. Autoři ukazují, že anotování (značkování) textových korpusů, pokud je založeno na spolehlivé lingvistické teorii, není účelem samo o sobě, ale že může především sloužit jako dobrý test pro danou teorii i pro jazykovědný výzkum obecně. | [
"Jan Hajič",
"Eva Hajičová",
"Jiří Mírovský",
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/3dff8388a7cf54b73ea728329b5860901eddd455/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Phraseology in two Slavic valency dictionaries: limitations and perspectives | Frazeologie ve dvou slovanských valenčních slovnících: omezení a perspektivy | Phraseological components of valency dictionaries for two West Slavic languages are presented, namely, of the PDT-Vallex dictionary for Czech and of the Walenty dictionary for Polish. Both dictionaries are corpus-based, albeit in different ways. Both are machine readable and employable by syntactic parsers and generators. The paper compares the expressive power of the phraseological subformalisms of these dictionaries, discusses their limitations and makes recommendations for their possible extensions, which can be possibly applied also to other valency dictionaries with rich phraseological components. | Pro dva valenční slovníky slovanckých jazyků, PDT-Vallex pro češtinu a Walenty pro polštinu článek porovnává jejich frazeologickou část. Oba slovníky jsou založené na korpusu, i když se liší jak způsob propojení, tak technické řešení, ovšem oba jsou dostupné elektronicky ve standardnim formátu. V článku se porovnávají frazeologická hesla, jejich formální popis a možnosti a omezení. V závěru se doporučují rozšíření těchto komponent pro obecnější pokrytí i pro další jazyky. | [
"Adam Przepiórkowski",
"Jan Hajič",
"Elżbieta Hajnicz",
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/fad9eba7329062ee5d31373176a9888336a9c903/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | In favour of the Argument-Adjunct Distinction (from the Perspective of FGD) | Obhajoba dichotomie Argument-Adjunct (z hlediska FGP) | The arguments against the Argument-Adjunct distinction presented by A. Przepiórkowski in this volume are analyzed. The criteria iterability, specificity and dialogue test conditions are analyzed here and their usefulness for the framework of FGD is demonstrated. | V článku jsou analyzovány výhrady vůči dichotomii arguemtu (valenčního členu) a volného doplnění, které jsou předloženy ve stati A. Przepiórkovského ve stejné publikaci. Obhajují se kritéria opakovatelnosti, specifičnosti a podmínky užití dialogového testu. | [
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/b2e2025fe3bf5afbccb48d11d4eb89569b5c8ee3/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Vl. Šmilauer´s Syntax yesterday and today | Syntax Vladimíra Šmilauera včera a dnes | In this article the contribution of Šmialuer´s syntax in the period when it was published (1947) as well as its permanent influence on the contemporary books and studies on the syntax of contemporary Czech are analyzed. | Ve stati jsou charakterizovány přínosy skladby Vladimíra Šmilauera v kontextu jejího vzniku (1947) a její trvalé přínosy pro současnou českou syntax. Analyzují se její základní rysy odrážející se v nových syntaxích do dnešních dnů. | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Valency in the grammar, valency in the lexicon | Valence v gramatice, valence ve slovníku | In this chapter the criteria used for the determination of valency members and the shape of the valency frames in lexicon are presented. The possibilities of the surface deletion of obligatory valency member are analyzed. | V kapitole jsou rozebrána kritéria používaná pro stanovení valenčních členů a způsob jejich zacycení ve slovníkové hesle. Zvláštní pozornost je věnována analýze možností vypuštění valenčního členu v povrchové struktuře. | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | To tree or not to tree? (The quest for sentence structure in natural language processing) | Se stromy nebo bez stromů? (hledání větné struktury ve zpracování přirozených jazyků) | We will present tree-shaped structures that are used in Natural Languages Processing for representing sentence syntactical structure, and discuss the benefits and drawbacks of such representations. | V přednášce se budeme zabývat stromovými strukturami, které jsou využívány v počítačovém zpracování přirozeného jazyka. | [
"Zdeněk Žabokrtský"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Merging Data Resources for Inflectional and Derivational Morphology in Czech | Propojení datových zdrojů pro flektivní a derivační morfologii češtiny | The paper deals with merging two complementary resources of morphological data previously existing for Czech, namely the inflectional dictionary MorfFlex CZ and the recently developed lexical network DeriNet. The MorfFlex CZ dictionary has been used by a morphological analyzer capable of analyzing/generating several million Czech word forms according to the rules of Czech inflection. The DeriNet network contains several hundred thousand Czech lemmas interconnected with links corresponding to derivational relations (relations between base words and words derived from them). After summarizing basic characteristics of both resources, the process of merging is described, focusing on both rather technical aspects (growth of the data, measuring the quality of newly added derivational relations) and linguistic issues (treating lexical homonymy and vowel/consonant alternations). The resulting resource contains 970 thousand lemmas connected with 715 thousand derivational relations and is publicly available on the web under the CC-BY-NC-SA license. The data were incorporated in the MorphoDiTa library version 2.0 (which provides morphological analysis, generation, tagging and lemmatization for Czech) and can be browsed and searched by two web tools (DeriNet Viewer and DeriNet Search tool). | Článek se zabývá propojením dvou existujících, vzájemně se doplňujících datových zdrojů pro morfologii češtiny, a to flektivního slovníku MorfFlex CZ a derinační sítě DeriNet. MorfFlex CZ pokrývá několik milionů slovních forem v češtině. DeriNet obsahuje několik set tisíc českých lemmat, která jsou propojena explicitními slovotvornými relacemi odpovídajícímu. Výsledný zdroj je zpřístupněn pod licencí CC-BY-NC-SA a lze k němu rovněž přistupovat pomocí několika webových uživatelských rozhraní. | [
"Zdeněk Žabokrtský",
"Magda Ševčíková",
"Milan Straka",
"Jonáš Vidra",
"Adéla Limburská"
] | https://www.semanticscholar.org/paper/cd4a4bad14f2ebfd2115bf12b1821eb6fc7c98d8/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Putting things together: Correlating discourse relations with other types of linguistic data | Spojení popisů: propojování diskurzních vztahů s dalšími typy lingvistických dat | Apart to discourse relations expressed primarily by discourse connectives (and partly also being implicit), there are other relations in the discourse that contribute to the text connectedness and have to be taken into consideration. This concerns first of all the information structure of the sentence and the relations of coreference. All these three aspects are included in the annotation scheme of the Prague Dependency Treebank. | Vedle diskurzních vztahů vyjádřených primárně tzv. diskurzními konektory (nebo jsou případně dány implicitně) je třeba při analýze diskurzu brát v úvahu též další vztahy. To se týká především aktuálního členění větného a vztahů koreference. Všechny tři tyto aspekty jsou začleněny do anotačního scénáře Pražského závislostního korpusu. | [
"Eva Hajičová",
"Barbora Hladká",
"Pavlína Jínová",
"Jiří Mírovský",
"Šárka Zikánová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Non-projectivity and valency | Neprojektivita a valence | We describe results of investigation of a
specific type of discontinuous constructions,
namely non-projective constructions concerning
verbs and their arguments. This topic is
especially important for languages with a relatively
free word order, such as Czech, which is
the language we have primarily worked with.
For comparison, we have included some results
for English. The corpora used for both
languages are the Prague Czech-English Dependency
Treebank and the Prague Dependency
Treebank, which are both annotated at
a dependency syntax level as well as a deep
(semantic) level, including verbs and their valency
(arguments). We are using traditionally
defined non-projectivity on trees with full linear
ordering, but the two levels of annotation
are innovatively combined to determine if a
particular (deep) verb -argument structure is
non-projective. As a result, we have identi-
fied several types of discontinuities, which we
classify either by the verb class or structurally
in terms of the verb, its arguments and their
dependents. In addition, we have quantitatively
compared selected phenomena found in
Czech translated texts (in the PCEDT) to the
native Czech as found in the original Prague
Dependency Treebank. | Článek se zaměřuje na popis neprojektivních konstrukcí z hlediska valence sloves. Pro tuto studii jsme použili data PDT a PCEDT a zameřili jsme se na kombinaci povrchové hloubkové syntaxe. V článku navrhujeme novou definici projektivity a klasifikujeme neprojektivni konstrukce z hlediska predikatove struktury.
Porovnáváme češtinu a angličinu. | [
"Zdeňka Urešová",
"Eva Fučíková",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/a523abf9c6fee09030e5e6cac46ae46bb344b06c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | CzEngVallex: a bilingual Czech-English valency lexicon | CzEngVallex: dvojjazyčný česko- anglický valenční slovník | This paper introduces a new bilingual Czech-English verbal valency lexicon (called CzEng-Vallex) representing a relatively large empirical database. It includes 20,835 aligned valency frame pairs (i.e., verb senses which are translations of each other) and their aligned arguments.
This new lexicon uses data from the Prague Czech-English Dependency Treebank and also takes advantage of the existing valency lexicons for both languages: the PDT-Vallex for Czech and the EngVallex for English. The CzEngVallex is available for viewing in LINDAT/CLARIN repository. | Článek představuje nový dvojjazyčný česko-anglický valenční slovník nazvaný CzEng-Vallex. Elektronická podoba slovníku je umístěna v repozitáři Centra jazykové výzkumné infrastruktury LINDAT/CLARIN v XML formátu a je zde k dispozici také v prohledávatelné podobě. Slovník je propojen s českým valenčním slovníkem PDT-Vallex, s anglickýmm valenčním slovníkem EngVallex a rovněž je propojen s příklady z PCEDT korpusu (PCEDT 2.0). CzEngVallex obsahuje 20835 propojených párů valenčních rámců (slovesných významů) překladových ekvivalentů a obsahuje i propojení jejich argumentů. | [
"Zdeňka Urešová",
"Eva Fučíková",
"Jana Šindlerová"
] | https://www.semanticscholar.org/paper/08149266b99f7168a51bca479a728396f2fc9c48/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Inherently Pronominal Verbs in Czech: Description and Conversion Based on Treebank Annotation | Inherentně zájmenná slovesa v češtině: Popis a konverze pomocí korpusové anotace | This paper describes results of a study related to the PARSEME Shared Task on automatic detection of verbal Multi-Word Expressions (MWEs) which focuses on their identification in running texts in many languages. The Shared Task’s organizers have provided basic annotation guidelines where four basic types of verbal MWEs are defined including some specific subtypes. Czech is among the twenty languages selected for the task. We will contribute to the Shared Task dataset, a multilingual open resource, by converting data from the Prague Dependency Treebank (PDT) to the Shared Task format. The question to answer is to which extent this can be done automatically. In this paper, we concentrate on one of the relevant MWE categories, namely on the quasi-universal category called “Inherently Pronominal Verbs” (IPronV) and describe its annotation in the Prague Dependency Treebank. After comparing it to the Shared Task guidelines, we can conclude that the PDT and the associated valency lexicon, PDT-Vallex, contain sufficient information for the conversion, even if some specific instances will have to be checked. As a side effect, we have identified certain errors in PDT annotation which can now be automatically corrected. | PARSEME Shared Task (PST) se zabývá automatickou identifikací víceslovných výrazů (VV) v textu.
Jeho organizátoři připravili základní anotační pokyny se čtyřmi základními skupinami slovesných VV.
Jedním z dvaceti vybraných jazyků je i čeština.
Článek popisuje konversi dat Pražského závislostního korpusu (PDT), prozatím výhradně inherentně zájmenných sloves (IPronV) -- současnou anotaci v PDT, porovnává ji s anotačními pokyny PST. Závěrem je, že PDT a přidružený slovník obsahuje pro konversi dostatek údajů (ačkoli specifické jevy budou muset být kontrolovány ručně). Vedlejším efektem je, že jsme odhalili některé drobné chyby v anotaci PDT, které teď mohou být opraveny. | [
"Zdeňka Urešová",
"Eduard Bejček",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/352f01fb89fb6dba124bf9b6b0e448cf93354621/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Designing CzeDLex – A Lexicon of Czech Discourse Connectives | Návrh slovníku českých diskurzních konektorů CzeDLex | We present a design for a new electronic lexicon of Czech discourse connectives. The data format and the annotation scheme are based on a study of similar existing resources, and we discuss arguments for choosing the data structure and
selecting features of the lexicon entries. A special attention is paid to a consistent encoding
of both primary and secondary connectives. The data itself comes from exploiting the Prague Dependency Treebank, a large treebank manually annotated with discourse relations. | Představujeme návrh nového slovníku českých diskurzních konektorů. Formát dat i anotační schéma vycházejí z podobných existujících elektronických zdrojů; zabýváme se důvody pro volbu struktury dat a pro výběr vlasností jednotlivých záznamů ve slovníku. Pozornost věnujeme obzvláště konzistentnímu zachycení primárních i sekundárních konektorů. Samotná data pocházejí z Pražského závislostního korpusu, rozsáhlého korpusu s manuálně anotovanými diskurzními vztahy. | [
"Jiří Mírovský",
"Pavlína Synková",
"Magdaléna Rysová",
"Lucie Poláková"
] | https://www.semanticscholar.org/paper/ebe0a77275d405a723d152c2ffd1bfa678196735/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Searching in the Penn Discourse Treebank Using the PML-Tree Query | Vyhledávání v Penn Discourse Treebanku za použití PML-Tree Query | The PML-Tree Query is a general, powerful and user-friendly system for querying richly linguistically annotated treebanks. The paper shows how the PML-Tree Query can be used for searching for discourse relations in the Penn Discourse Treebank 2.0 mapped onto the syntactic annotation of the Penn Treebank. | PML-Tree Query je mocný a uživatelsky přítulný vyhledávací nástroj pro vyhledávání v bohatě lingvisticky anotovaných datech. Článek ukazuje, jak může být PML-TQ využito k vyhledávání diskurzních vztahů Penn Discourse Treebanku 2.0 namapovaných na syntaktické stromy Penn Treebanku. | [
"Jiří Mírovský",
"Lucie Poláková",
"Jan Štěpánek"
] | https://www.semanticscholar.org/paper/28b0e0b0e17e797a44dde25c37bf0996e8dd7597/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | The Universe of Dependencies: Past and Future | Závislostní vesmír: minulost a budoucnost | Universal Dependencies (UD) is a project that seeks to find a cross-linguistically applicable morphological and syntactic annotation scheme, and to publish data conforming to that scheme in a wide range of languages. We will briefly motivate and introduce the project, its history and underlying principles. Then we will present the new proposal of version 2 UD guidelines. Finally, time permitting, we will describe several interesting problems related to the application of UD to Slavic languages. | Universal Dependencies (UD) je projekt, který hledá morfologické a syntaktické anotační schéma aplikovatelné na mnoho jazyků, a vydává data anotovaná podle tohoto schématu. Stručně motivujeme a uvedeme tento projekt, jeho historii a principy, na kterých stojí. Poté popíšeme návrh nové (druhé) verze anotačních pravidel UD. Nakonec, pokud zbude čas, popíšeme několik zajímavých problémů, které se týkají aplikace UD na slovanské jazyky. | [
"Daniel Zeman"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Universal Annotation of Slavic Verb Forms | Univerzální anotace slovanských slovesných tvarů | This article is an attempt to propose application of a subset of the Universal Dependencies (UD) standard to the group of Slavic languages. The subset in question comprises morphosyntactic features of various verb forms. We systematically document the inventory of features observable with Slavic verbs, giving numerous examples from 10 languages. We demonstrate that terminology in literature may differ, yet the substance remains the same. Our goal is practical. We definitely do not intend to overturn the many decades of research in Slavic comparative linguistics. Instead, we want to put the properties of Slavic verbs in the context of UD, and to propose a unified (Slavic-wide) application of UD features and values to them. We believe that our proposal is a compromise that could be accepted by corpus linguists working on all Slavic languages. | Tento článek je pokusem navrhnout aplikaci podmnožiny standardu Universal Dependencies (UD) na skupinu slovanských jazyků. Dotyčnou podmnožinou jsou morfosyntaktické rysy jednotlivých slovesných tvarů. Systematicky dokumentujeme kategorie, které lze pozorovat u slovanských sloves, a přinášíme množství příkladů z 10 jazyků. Ukazujeme, že terminologie známá z literatury se často liší, i když podstata zkoumaných jevů je stejná. Náš cíl je praktický. Rozhodně nemáme v úmyslu přehodnocovat výsledky mnohaletého bádání slovanské srovnávací jazykovědy. Spíše chceme zasadit vlastnosti slovanských sloves do kontextu UD a navrhnout jednotný (všeslovanský) způsob, jak mají být prostředky UD aplikovány na tyto jazyky. Věříme, že náš návrh je kompromisem, který bude přijatelný pro korpusové lingvisty pracující se všemi slovanskými jazyky. | [
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/259d1bff7d9545f5f616e0fde33f20af15003ad2/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Universal Dependencies for Slavic Languages (invited talk) | Universal Dependencies pro slovanské jazyky (zvaná přednáška) | Universal Dependencies (UD) is an international project that seeks to define guidelines for annotation of morphology and syntax, applicable to all natural languages. Its motivation is to find a common lingua franca for people and tools that deal with annotated linguistic data. Besides guidelines, UD also releases dependency treebanks converted to the UD annotation style; this data is becoming an important resource for multilingual NLP research and applications. In my talk, I will give a brief introduction to UD in general, and then I will focus on phenomena specific to Slavic languages. The UD release 1.2 includes six Slavic languages and others are being worked on. This gives us plenty of material for comparative studies, that in turn can (and should) further contribute to improved cross-linguistic consistency and fine-grained UD guidelines for Slavic languages. I will present observations from the UD data, as well as some results of dependency parsers trained on the data. | Universal Dependencies (UD) je mezinárodní projekt, který se snaží definovat pravidla morfologické a syntaktické anotace, aplikovatelná na všechny přirozené jazyky. Motivací projektu je najít společnou lingua franku pro lidi a nástroje, které pracují s lingvisticky anotovanými daty. Kromě pravidel UD také vydává závislostní korpusy převedené do anotačního stylu UD; z těchto dat se stává významný zdroj pro výzkum a aplikace ve vícejazyčném zpracování přirozených jazyků. | [
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/906d978f5edec80f18d535b234d8b0d55f3671cd/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Planting Trees in the Desert: Delexicalized Tagging and Parsing Combined | Pěstování stromů v poušti: kombinace delexikalizovaného značkování a parsingu | Various unsupervised and semi-supervised
methods have been proposed to tag and parse
an unseen language. We explore delexicalized
parsing, proposed by (Zeman and Resnik,
2008), and delexicalized tagging, proposed
by (Yu et al., 2016). For both approaches
we provide a detailed evaluation on Universal
Dependencies data (Nivre et al., 2016), a de-facto standard for multi-lingual morphosyntactic processing (while the previous work used other datasets). Our results confirm that in separation, each of the two delexicalized techniques has some limited potential when no annotation of the target language is available. However, if used in combination, their errors multiply beyond acceptable limits. We demonstrate that even the tiniest bit of expert annotation in the target language may contain significant potential and should be used if available. | Pro morfologické značkování a syntaktickou analýzu neznámých jazyků byla navržena řada metod. My zkoumáme delexikalizovaný parsing, navržený Zemanem a Resnikem (2008), a delexikalizované značkování, navržené Yu et al. (2016). V obou případech předkládáme podrobné vyhodnocení na datech z Universal Dependencies (Nivre et al., 2016), de-facto standardu pro vícejazyčné morfosyntaktické zpracování (předchozí práce pracovaly s jinými daty). Naše výsledky potvrzují, že každá z uvedených delexikalizovaných metod samostatně má určitý omezený potenciál v případech, kdy není k dispozici žádná ruční anotace cílového jazyka. Nicméně, pokud obě metody zkombinujeme, jejich chyby se vzájemně zmnožují nad přijatelnou mez. Ukazujeme, že i sebemenší střípek expertní anotace cílového jazyka může významně zvýšit úspěšnost a měl by být použit, jestliže ho lze získat. | [
"Daniel Zeman",
"David Mareček",
"Zhiwei Yu",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/c93bc8abb4c6e805f3c425592e0ed224140f76ad/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Alternations: From Lexicon to Grammar And Back Again | Alternace: Od slovníku ke gramatice a zpět | In this paper, we introduce the representation of grammaticalized alternations in Czech based on the division of the information between grammar and lexicon. This representation is exemplified by reciprocity. | V příspěvku na příkladu reciprocity představujeme popis gramatikalizovaných alternací v češtině, který je založen na rozdělení informace do slovníku a gramatiky. | [
"Markéta Lopatková",
"Václava Kettnerová"
] | https://www.semanticscholar.org/paper/ea59a9c0cee02ae9b95fe0f74d1051b60a88f061/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | VALLEX, Family of Electronic Valency Lexicons of Verbs | VALLEX, Rodina elektronických valenčních slovníků sloves | In this contribution, the family of valency lexicons whose theoretical background represents the Functional Generative Description is introduced, VALLEX, PDT-Vallex, EngVallex and CzEngVallex. | Příspěvek představil rodinu elektronických valenčních slovníků, které jsou rozvíjeny v Ústavu formální a aplikované lingvistiky, VALLEX, PDT-Vallex, EngVallex a CzEngVallex, jejichž teoretické zázemí tvoří funkční generativní popis. | [
"Markéta Lopatková",
"Václava Kettnerová",
"Zdeňka Urešová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Valency Lexicon of Czech Verbs VALLEX: from Lexicon to Grammar | Valenční slovník českých sloves VALLEX: od slovníku ke gramatice | In this talk, a new version of the valency lexicon of Czech verbs, VALLEX, was introduced. This version is based on the division of the lexicon between two components: a data component and a grammar component. | V tomto příspěvku jsme představili valenční slovník českých sloves, VALLEX, a jeho nejnovější verzi 3.0, která je založena na dvou komponentech: na slovníkové a gramatické komponentě. | [
"Markéta Lopatková",
"Václava Kettnerová",
"Eduard Bejček",
"Anna Vernerová"
] | https://www.semanticscholar.org/paper/ea59a9c0cee02ae9b95fe0f74d1051b60a88f061/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Valency lexicon of Czech verbs VALLEX | Valenční slovník českých sloves VALLEX | The Valency Lexicon of Czech Verbs (henceforth VALLEX 3.0) provides information on the valency structure of Czech verbs in their respective senses. Each sense is characterized by a gloss and an example; further syntactic and semantic characteristics are provided as relevant. VALLEX 3.0 covers 4586 Czech verbs in 2722 lexemes with a total of 6710 lexical units (i.e. a given verb in a given meaning; if aspectual counterparts are counted separately, we get a total of 10816 lexical units, excluding iteratives). | Valenční slovník českých sloves (dále též VALLEX 3.0) poskytuje informace o valenční struktuře českých sloves v jejich jednotlivých významech, které charakterizuje pomocí glos a příkladů; tyto základní údaje jsou doplněny o některé další syntaktické a sémantické charakteristiky. VALLEX 3.0 zachycuje 4586 českých sloves náležejících 2722 lexémům, které odpovídají 6710 lexikálním jednotkám, tedy daným slovesům v daném významu (počítáme-li vidové protějšky zvlášť, jde -- bez iterativ, jež nejsou detailně zpracována -- o 10816 lexikálních jednotek). | [
"Markéta Lopatková",
"Václava Kettnerová",
"Eduard Bejček",
"Anna Vernerová",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/975e45e9396bcdd6f76be4f89deccd900b57613f/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | VALLEX 3.0 - Valency Lexicon of Czech Verbs | VALLEX 3.0 - Valenční slovník českých sloves | VALLEX 3.0 provides information on the valency structure (combinatorial potential) of verbs in their particular senses, which are characterized by glosses and examples. VALLEX 3.0 describes almost 4 600 Czech verbs in more than 10 700 lexical units, i.e., given verbs in the given senses.
VALLEX 3.0 is a is a collection of linguistically annotated data and documentation, resulting from an attempt at formal description of valency frames of Czech verbs. In order to satisfy different needs of different potential users, the lexicon is distributed (i) in a HTML version (the data allows for an easy and fast navigation through the lexicon) and (ii) in a machine-tractable form as a single XML file, so that the VALLEX data can be used in NLP applications. | Valenční slovník českých sloves (též VALLEX 3.0) poskytuje informace o valenční struktuře českých sloves v jejich jednotlivých významech,
které charakterizuje pomocí glos a příkladů;
tyto základní údaje jsou doplněny o některé další syntaktické a sémantické charakteristiky.
VALLEX 3.0 zachycuje téměř 4 600 českých sloves, která odpovídají více než 10 700 lexikálním jednotkám, tedy vždy danému slovesu v daném významu.
VALLEX je budován jako odpověď na potřebu rozsáhlého a kvalitního veřejně dostupného slovníku, který by obsahoval
syntaktické a sémantické charakteristiky českých sloves a byl přitom široce uplatnitelný v aplikacích pro zpracování
přirozeného jazyka. Při navrhování koncepce slovníku byl proto kladen důraz
na všestranné využití jak pro lidského uživatele, tak pro automatické zpracování češtiny. | [
"Markéta Lopatková",
"Václava Kettnerová",
"Eduard Bejček",
"Anna Vernerová",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/975e45e9396bcdd6f76be4f89deccd900b57613f/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | Diatheses in the Valency Lexicon of Czech Verbs VALLEX | Diateze ve Valenčním slovníku českých sloves VALLEX | In this chapter, the representation of Czech diatheses in the valency lexicon VALLEX is described. A semiautomatic method identifying the possibility of lexical units of verbs to create diatheses is introduced. | V této kapitole je popsáno lexikografické zpracování diatezí ve valenčním slovníku VALLEX. Dále je představen poloautomatický postup při identifikaci diatezí lexikálních jednotek sloves. | [
"Markéta Lopatková",
"Anna Vernerová",
"Václava Kettnerová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | DATLOWE: software for text analytics | DATLOWE: software pro textovou analytiku | Licence and service agreement between Charles University and Datlowe Ltd.(January 1, 2015 -- January 1, 2018) covers the right to use the data of PDT 2.5 and the software for text analytics trained on PDT 2.5, for commercial purposes. The data and software (non-adapted) is otherwise available for free through the LINDAT/CLARIN repository for non-commercial use under the appropriate variant of the Creative Commons license. Namely, software for morphological analysis, lemmatization, syntactic analysis and named-entity recognition. | Licenční smlouva a smlouva o poskytnutí služeb mezi Univerzitou Karlovou a Datlowe, s.r.o. (1. 1. 2015 -- 1. 1. 2018) obsahuje právo na užití dat PDT 2.5 a software pro textovou analytiku natrénovaného na PDT 2.5, a to pro komerční účely. Jedná se o upravené verze nekomerčního software a dat jinak dostupných z repozitáře LINDAT/CLARIN. Jmenovitě: software pro analýzu tvarosloví a lematizaci, syntaktickou analýzu a analýzu názvů pojmenovanýchch entit. | [
"Markéta Lopatková",
"Barbora Hladká"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Towards a Corpus-based Valency Lexicon of Czech Nouns | Ke slovníku valence českých substantiv založenému na korpusu | Corpus-based Valency Lexicon of Czech Nouns is a starting project picking up the threads of our previous work on nominal valency. It builds upon solid theoretical foundations of the theory of valency developed within the Functional Generative Description. In this paper, we describe the ways of treating valency of nouns in a modern corpus-based lexicon, available as machine readable data in a format suitable for NLP applications, and report on the limitations that the most commonly used corpus interfaces provide to the research of nominal valency. The linguistic material is extracted from the Prague Dependency Treebank, the synchronic written part of the Czech National Corpus, and Araneum Bohemicum. We will utilize lexicographic software and partially also data developed for the valency lexicon PDT-Vallex but the treatment of entries will be more exhaustive, for example, in the coverage of senses and in the semantic classification added to selected lexical units (meanings). The main criteria for including nouns in the lexicon will be semantic class membership and the complexity of valency patterns. Valency of nouns will be captured in the form of valency frames, enumeration of all possible combinations of adnominal participants, and corpus examples. | Slovník valence substantiv založený na korpusu je začínající projekt navazující na předchozí výzkumy valence substantiv v češtině. Tento příspěvek se zabývá zachycením valence substantiv v moderním slovníku založeném na korpusu, dostupném jak pro lidské uživatele, tak ve formě strojově čitelných dat. Referujeme také o omezeních, která pro výzkum jmenné valence představují v současnosti nejčastěji užívané korpusové vyhledávače. | [
"Jana Klímová",
"Veronika Kolářová",
"Anna Vernerová"
] | https://www.semanticscholar.org/paper/3e7b23e3e9dae9c48d0444863e169f8a8f8b90d6/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Homonymy and Polysemy in the Czech Morphological Dictionary | Homonymie a polysémie v českém morfologickém slovníku | We focus on a problem of homonymy and polysemy in morphological dictionaries on the example of the Czech morphological dictionary MorfFlex CZ. It is not necessary to distinguish meanings in morphological dictionaries unless the distinction has consequencies in word formation or syntax. The contribution proposes several important rules and principles for achieving consistency. | Na příkladu českého morfologického slovníku MorfFlex CZ upozorňujeme na problém homonymie a polysémie. V morfologickém slovníku není nutné rozlišovat význam slov, pokud takové rozlišení nemá důsledky ve slovotvorbě nebo v syntaxi. Příspěvek navrhuje několik důležitých pravidel a principů pro dosažení konzistence. | [
"Jaroslava Hlaváčová"
] | https://www.semanticscholar.org/paper/357204dea2da91fe648eaf452a49469cf17af270/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | WordSim353 for Czech | WordSim353 pro češtinu | Human judgments of lexical similarity/relatedness are used as evaluation data for Vector Space Models, helping to judge how the distributional similarity captured by a given Vecotr Space Model correlates with human intuitions. A well establishde data set for the evaluation of lexical similarity/relatedness id WordSim353, alnog with its translations into sefveral other languages. Thiospaper presents its Czech translation and annotation, which is publicly available via the Lindat-Clarin repository. | Tento článek popisuje vznik nového lexikálního zdroje pro češtinu. | [
"Silvie Cinková"
] | https://www.semanticscholar.org/paper/2d4521f9a0270b59b7a0f5d07372372a211303b5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Graded and Word-Sense-Disambiguation Decisions in Corpus Pattern Analysis: a Pilot Study | Škálované posouzení vzoru užití vs. desambiguace významu: Pilotní studie | We present a pilot analysis of a new linguistic resource, VPS-GradeUp (available at http://hdl.handle.net/11234/1-1585). The resource contains 11,400 graded human decisions on usage patterns of 29 English lexical verbs, randomly selected from the Pattern Dictionary of English Verbs (Hanks, 2000 2014) based on their frequency and the number of senses their lemmas have in PDEV. This data set has been created to observe the interannotator agreement on PDEV patterns produced using the Corpus Pattern Analysis (Hanks, 2013). Apart from the graded decisions, the data set also contains traditional Word-Sense-Disambiguation (WSD) labels. We analyze the associations between the graded annotation and WSD annotation. The results of the respective annotations do not correlate with the size of the usage pattern inventory for the respective verbs lemmas, which makes the data set worth further linguistic analysis. | Představujeme pilotní analýzu nového lingvistického zdroje, VPS-GradeUp, který je dostupný z http://hdl.handle.net/11234/1-1585. | [
"Silvie Cinková",
"Ema Krejčová",
"Anna Vernerová",
"Vít Baisa"
] | https://www.semanticscholar.org/paper/b4ad2dcf4e7728598286690ece79ac4e4f88fbe5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | What Do Graded Decisions Tell Us about Verb Uses | Co nám říkají škálovaná rozhodování o užití sloves | We work with 1450 concordances of 29 English verbs (50 concordances per lemma) and their
corresponding entries in the Pattern Dictionary of English Verbs (PDEV). Three human annotators
working independently but in parallel judged how well each lexical unit of the corresponding PDEV
entry illustrates the given concordance. Thereafter they selected one best-fitting lexical unit for each concordance – while the former setup allowed for ties (equally good matches), the latter did not. We measure the interannotator agreement/correlation in both setups and show that our results are not worse (in fact, slightly better) than in an already published graded-decision annotation performed on a traditional dictionary. We also manually examine the cases where several PDEV lexical units were classified as good matches and how this fact affected the interannotator agreement in the bestfit
setup. The main causes of overlap between lexical units include semantic coercion and regular
polysemy, as well as occasionally insufficient abstraction from regular syntactic alternations, and eventually also arguments defined as optional and scattered across different lexical units despite not being mutually exclusive. | Tento článek pojednává o škálovaných rozhodnutích anotátorů v CPA analýze anglických sloves. | [
"Silvie Cinková",
"Ema Krejčová",
"Anna Vernerová",
"Vít Baisa"
] | https://www.semanticscholar.org/paper/dc3e06f107934265138cfb8ae796af1c587ad362/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | WordSim353-cs: Evaluation Dataset for Lexical Similarity and Relatedness based on WordSim353 | WordSim353-cs: Evaluation Dataset for Lexical Similarity and Relatedness based on WordSim353 | Human judgments of lexical similarity/relatedness are used as evaluation data for Vector Space Models, helping to judge how the distributional similarity captured by a given Vector Space Model correlates with human intuitions. A well established data set for the evaluation of lexical similarity/relatedness is WordSim353, along with its translations into several other languages. This paper presents its Czech translation and annotation, which is publicly available via the LINDAT-CLARIN repository at hdl.handle.net/11234/1-1713. | Toto je dataset k evaluaci vzájemných sémantických vztahů mezi slovy (podobnost a souvislost). Vytvořeno podle již klasického anglického zdroje WordSim353 | [
"Silvie Cinková",
"Jana Straková",
"Jakub Hajič",
"Jan Hajič",
"Jan Hajič, jr.",
"Jolana Janoušková",
"Milan Straka",
"Miroslava Urešová"
] | https://www.semanticscholar.org/paper/a2c279a16614cbafbf0c72507b98c2dcf7889ed5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Analysis of Word Order in Multiple Treebanks | Analýza slovosledu v treebancích | This poster gives an overview of the results of automatic analysis of word order in 23 dependency treebanks. These treebanks have been collected in the frame of in the HamleDT project, whose main goal is to provide universal annotation for dependency corpora. | Poster představuje přehled výsledků automatické analýzy slovosledu ve 23 treebancích. Tyto treebanky byly vytvořeny v rámci projektu HamleDT, jehož cílem je poskytnout univerzální anotaci závislostních korpusů. | [
"Vladislav Kuboň",
"Markéta Lopatková",
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/82dce9b5c02217a6b9bb6a1c4fff1e3d21782436/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Searching for a Measure of Word Order Freedom | Hledání míry volnosti slovosledu | This paper compares various means of measur-
ing of word order freedom applied to data from syntactically annotated corpora for 23 languages. The corpora are part of the HamleDT project, the word order statistics are relative frequencies of all word order combinations of subject, predicate and object both in main and subordinated clauses. The measures include Euclidean distance, max-min distance, entropy and cosine similarity. The dif-
ferences among the measures are discussed. | Tento článek porovnává několik způsobů měření stupně volnosti slovosledu na datech 23 jazyků, získaných z jejich syntakticky anotovaných korpusů. Tyto korpusy jsou součástí projektu HamleDT. Měření bere v úvahu vzájemné postavení podmětu, přísudku a předmětu v hlavních a vedlejších větách a měří jej pomocí euklidovské vzdálenosti, vzdálenosti max-min, entropie a kosinové podobnosti. | [
"Vladislav Kuboň",
"Markéta Lopatková",
"Tomáš Hercig"
] | https://www.semanticscholar.org/paper/a5721b67850545698c1acb5b2e5079ed55d0e7fe/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Annotation of MWEs, Representation in a Lexicon | Anotace víceslovných výrazů, jejich representace ve slovníku | Overview of my project concerning MWEs at Second PARSEME Training School in La Rochelle. | Představení mých projektů týkajících se víceslovných výrazů na PARSEME Training school v La Rochelle. | [
"Eduard Bejček"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Named Entities within Multiword Addresses | Pojmenované entity uvnitř víceslovných adres | We analyze inner structure of complex address data
given in text, categorize it, annotate
it and evaluate the annotation. | Analyzujeme vnitřní strukturu komplexních adresních datových údajů v textu, kategorizujeme je, anotujeme a vyhodnocujeme výsledky. | [
"Eduard Bejček",
"Pavel Straňák"
] | https://www.semanticscholar.org/paper/a671a99dafab5cc430b819555e63e99097c139a6/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | PARSEME Shared Task and PDT: Comparison and Data Conversion | Sdílený úkol Parseme a PZK: Srovnání a přeměna údajů | We show that verbal MWEs similar to those specified in PARSEME Shared Task have already been annotated in Prague Dependency Treebank and all their individual categories can be extracted and used within the Shared Task. | Ukážeme, že slovesné víceslovné výrazy (VV) specifikované v Shared Tasku PARSEME jsou anotovány v PDT a jednotlivé kategorie VV je možné z něj extrahovat a v Shared Tasku použít. | [
"Eduard Bejček",
"Pavel Straňák",
"Zdeňka Urešová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Enrichment of a lexical network of Czech derived words by exploiting inflectional paradigms | Obohacování lexikální sítě českých derivátů na základě flektivních paradigmat | The paper deals with two main issues, each approaching the relation between derivational (sub-)paradigms (as discussed by Štekauer 2014) and inflectional paradigms from a different perspective. First, a recent enrichment of the DeriNet network is described which focused on words the derivation of which is accompanied by consonant and/or vowel alternations. Second, inflectional features have been used as an important input for the semi-automatic task of semantic labelling of derivational relations in the DeriNet network. | Příspěvek prezentuje dva problémy, při jejichž řešení bylo využíváno vztahů mezi derivačními a flektivními paradigmaty. Za prvé, tyto vztahy byly využity při identifikaci nových vztahů mezi odvozenými slovy a slovy základovými, a to především v případech, kdy během odovzení dochází k hláskové alternaci. Za druhé, flektivní rysy je možné využívat rovněž jako důležitou vstupní informaci při poloautomatickém značkování významových vztahů mezi deriváty a slovy základovými. | [
"Magda Ševčíková",
"Adéla Limburská"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | The DeriNet Lexical Network: a Language Data Resource for Research into Derivation in Czech | Lexikální síť DeriNet: elektronický zdroj pro výzkum derivace v češtině | In the present paper, the lexical database DeriNet is introduced which includes more than 969 thousand Czech word interconnected with 718 thousand links corresponding to derivational relations (relations between a base word and a word derived from it). Derivational relations were identified by semi-automatic procedures and manual annotation. As the DeriNet network is fully compatible with a big inflectional dictionary of Czech (MorfFlex CZ), it can be used as a resource for an integrating approach to derivational and inflectional morphology of Czech both in linguistic research and in natural language processing. | Článek představuje lexikální databázi DeriNet, která obsahuje téměř 1 milion českých slov propojených více než 700 tisíci hranami odpovídajícími vztahu mezi slovem odvozeným a základovým. V textu je popsán proces budování této databáze, lingvistická rozhodnutí, která bylo nutné během tohoto procesu učinit, i možné využití a výhledy. | [
"Magda Ševčíková",
"Zdeněk Žabokrtský",
"Jonáš Vidra",
"Milan Straka"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Universal Dependencies v1: A Multilingual Treebank Collection | Universal Dependencies v1: Kolekce treebanků v mnoha jazycích | This paper presents the resources so far created in the Universal Dependencies (UD) project, which attempts to address a lack of cross-linguistically adequate dependency representations for natural language processing. | Tento článek představuje zdroje dosud vytvořené v projektu Universal Dependencies (UD), který se snaží vypořádat s chybějící závislostní reprezentací pro zpracování přirozených jazyků aplikovatelnou na více jazyků. | [
"Joakim Nivre",
"Marie-Catherine de Marneffe",
"Filip Ginter",
"Yoav Goldberg",
"Jan Hajič",
"Christopher Manning",
"Ryan McDonald",
"Slav Petrov",
"Sampo Pyysalo",
"Natalia Silveira",
"Reut Tsarfaty",
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/d115eceab7153d2a1dc6fbf6b99c3bdf1b0cdd46/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Universal Dependencies 1.4 | Universal Dependencies 1.4 | Universal Dependencies is a project that seeks to develop cross-linguistically consistent treebank annotation for many languages, with the goal of facilitating multilingual parser development, cross-lingual learning, and parsing research from a language typology perspective. The annotation scheme is based on (universal) Stanford dependencies (de Marneffe et al., 2006, 2008, 2014), Google universal part-of-speech tags (Petrov et al., 2012), and the Interset interlingua for morphosyntactic tagsets (Zeman, 2008). This is the fifth release of UD Treebanks, Version 1.4. | Universal Dependencies je projekt, který vyvíjí mezijazykově konzistentní morfologicko-syntaktickou anotaci mnoha jazyků s cílem usnadnit vývoj jazykově nezávislých parserů, mezijazykové strojové učení a výzkum parsingu z perspektivy jazykové typologie. Anotační schéma je založeno na univerzálních Stanfordských závislostech (de Marneffe et al., 2006, 2008, 2014), univerzálních značkách Google (Petrov et al., 2012) a na Intersetu, tj. interlingvě pro sady morfologických značek (Zeman, 2008). Toto je páté vydání treebanků UD, verze 1.4. | [
"Joakim Nivre",
"Željko Agić",
"Lars Ahrenberg",
"Maria Jesus Aranzabe",
"Masayuki Asahara",
"Aitziber Atutxa",
"Miguel Ballesteros",
"John Bauer",
"Kepa Bengoetxea",
"Yevgeni Berzak",
"Riyaz Ahmad Bhat",
"Eckhard Bick",
"Carl Börstell",
"Cristina Bosco",
"Gosse Bouma",
"Sam Bowman",
"Gülşen Cebiroğlu Eryiğit",
"Giuseppe G. A. Celano",
"Fabricio Chalub",
"Çağrı Çöltekin",
"Miriam Connor",
"Elizabeth Davidson",
"Marie-Catherine de Marneffe",
"Arantza Diaz de Ilarraza",
"Kaja Dobrovoljc",
"Timothy Dozat",
"Kira Droganova",
"Puneet Dwivedi",
"Marhaba Eli",
"Tomaž Erjavec",
"Richárd Farkas",
"Jennifer Foster",
"Cláudia Freitas",
"Katarína Gajdošová",
"Daniel Galbraith",
"Marcos Garcia",
"Moa Gärdenfors",
"Sebastian Garza",
"Filip Ginter",
"Iakes Goenaga",
"Koldo Gojenola",
"Memduh Gökırmak",
"Yoav Goldberg",
"Xavier Gómez Guinovart",
"Berta González Saavedra",
"Matias Grioni",
"Normunds Grūzītis",
"Bruno Guillaume",
"Jan Hajič",
"Linh Hà Mỹ",
"Dag Haug",
"Barbora Hladká",
"Radu Ion",
"Elena Irimia",
"Anders Johannsen",
"Fredrik Jørgensen",
"Hüner Kaşıkara",
"Hiroshi Kanayama",
"Jenna Kanerva",
"Boris Katz",
"Jessica Kenney",
"Natalia Kotsyba",
"Simon Krek",
"Veronika Laippala",
"Lucia Lam",
"Phương Lê Hồng",
"Alessandro Lenci",
"Nikola Ljubešić",
"Olga Lyashevskaya",
"Teresa Lynn",
"Aibek Makazhanov",
"Christopher Manning",
"Cătălina Mărănduc",
"David Mareček",
"Héctor Martínez Alonso",
"André Martins",
"Jan Mašek",
"Yuji Matsumoto",
"Ryan McDonald",
"Anna Missilä",
"Verginica Barbu Mititelu",
"Yusuke Miyao",
"Simonetta Montemagni",
"Keiko Sophie Mori",
"Shinsuke Mori",
"Bohdan Moskalevskyi",
"Kadri Muischnek",
"Nina Mustafina",
"Kaili Müürisep",
"Lương Nguyễn Thị",
"Huyền Nguyễn Thị Minh",
"Vitaly Nikolaev",
"Hanna Nurmi",
"Petya Osenova",
"Robert Östling",
"Lilja Øvrelid",
"Valeria de Paiva",
"Elena Pascual",
"Marco Passarotti",
"Cenel-Augusto Perez",
"Slav Petrov",
"Jussi Piitulainen",
"Barbara Plank",
"Martin Popel",
"Lauma Pretkalniņa",
"Prokopis Prokopidis",
"Tiina Puolakainen",
"Sampo Pyysalo",
"Alexandre Rademaker",
"Loganathan Ramasamy",
"Livy Real",
"Laura Rituma",
"Rudolf Rosa",
"Shadi Saleh",
"Baiba Saulīte",
"Sebastian Schuster",
"Wolfgang Seeker",
"Mojgan Seraji",
"Elena Shakurova",
"Mo Shen",
"Natalia Silveira",
"Maria Simi",
"Radu Simionescu",
"Katalin Simkó",
"Mária Šimková",
"Kiril Simov",
"Aaron Smith",
"Carolyn Spadine",
"Alane Suhr",
"Umut Sulubacak",
"Zsolt Szántó",
"Takaaki Tanaka",
"Reut Tsarfaty",
"Francis Tyers",
"Sumire Uematsu",
"Larraitz Uria",
"Gertjan van Noord",
"Viktor Varga",
"Veronika Vincze",
"Lars Wallin",
"Jing Xian Wang",
"Jonathan North Washington",
"Mats Wirén",
"Zdeněk Žabokrtský",
"Amir Zeldes",
"Daniel Zeman",
"Hanzhi Zhu"
] | https://www.semanticscholar.org/paper/1e105a47662affe083eaf110e5590ad4b9f7894d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Universal Dependencies 1.3 | Universal Dependencies 1.3 | Universal Dependencies is a project that seeks to develop cross-linguistically consistent treebank annotation for many languages, with the goal of facilitating multilingual parser development, cross-lingual learning, and parsing research from a language typology perspective. The annotation scheme is based on (universal) Stanford dependencies (de Marneffe et al., 2006, 2008, 2014), Google universal part-of-speech tags (Petrov et al., 2012), and the Interset interlingua for morphosyntactic tagsets (Zeman, 2008). This is the fourth release of UD Treebanks, Version 1.3. | Universal Dependencies je projekt, který vyvíjí mezijazykově konzistentní morfologicko-syntaktickou anotaci mnoha jazyků s cílem usnadnit vývoj jazykově nezávislých parserů, mezijazykové strojové učení a výzkum parsingu z perspektivy jazykové typologie. Anotační schéma je založeno na univerzálních Stanfordských závislostech (de Marneffe et al., 2006, 2008, 2014), univerzálních značkách Google (Petrov et al., 2012) a na Intersetu, tj. interlingvě pro sady morfologických značek (Zeman, 2008). Toto je čtvrté vydání treebanků UD, verze 1.3. | [
"Joakim Nivre",
"Željko Agić",
"Lars Ahrenberg",
"Maria Jesus Aranzabe",
"Masayuki Asahara",
"Aitziber Atutxa",
"Miguel Ballesteros",
"John Bauer",
"Kepa Bengoetxea",
"Yevgeni Berzak",
"Riyaz Ahmad Bhat",
"Cristina Bosco",
"Gosse Bouma",
"Sam Bowman",
"Gülşen Cebiroğlu Eryiğit",
"Giuseppe G. A. Celano",
"Çağrı Çöltekin",
"Miriam Connor",
"Marie-Catherine de Marneffe",
"Arantza Diaz de Ilarraza",
"Kaja Dobrovoljc",
"Timothy Dozat",
"Kira Droganova",
"Tomaž Erjavec",
"Richárd Farkas",
"Jennifer Foster",
"Daniel Galbraith",
"Sebastian Garza",
"Filip Ginter",
"Iakes Goenaga",
"Koldo Gojenola",
"Memduh Gökırmak",
"Yoav Goldberg",
"Xavier Gómez Guinovart",
"Berta González Saavedra",
"Normunds Grūzītis",
"Bruno Guillaume",
"Jan Hajič",
"Dag Haug",
"Barbora Hladká",
"Radu Ion",
"Elena Irimia",
"Anders Johannsen",
"Hüner Kaşıkara",
"Hiroshi Kanayama",
"Jenna Kanerva",
"Boris Katz",
"Jessica Kenney",
"Simon Krek",
"Veronika Laippala",
"Lucia Lam",
"Alessandro Lenci",
"Nikola Ljubešić",
"Olga Lyashevskaya",
"Teresa Lynn",
"Aibek Makazhanov",
"Christopher Manning",
"Cătălina Mărănduc",
"David Mareček",
"Héctor Martínez Alonso",
"Jan Mašek",
"Yuji Matsumoto",
"Ryan McDonald",
"Anna Missilä",
"Verginica Barbu Mititelu",
"Yusuke Miyao",
"Simonetta Montemagni",
"Keiko Sophie Mori",
"Shinsuke Mori",
"Kadri Muischnek",
"Nina Mustafina",
"Kaili Müürisep",
"Vitaly Nikolaev",
"Hanna Nurmi",
"Petya Osenova",
"Lilja Øvrelid",
"Elena Pascual",
"Marco Passarotti",
"Cenel-Augusto Perez",
"Slav Petrov",
"Jussi Piitulainen",
"Barbara Plank",
"Martin Popel",
"Lauma Pretkalniņa",
"Prokopis Prokopidis",
"Tiina Puolakainen",
"Sampo Pyysalo",
"Loganathan Ramasamy",
"Laura Rituma",
"Rudolf Rosa",
"Shadi Saleh",
"Baiba Saulīte",
"Sebastian Schuster",
"Wolfgang Seeker",
"Mojgan Seraji",
"Elena Shakurova",
"Mo Shen",
"Natalia Silveira",
"Maria Simi",
"Radu Simionescu",
"Katalin Simkó",
"Kiril Simov",
"Aaron Smith",
"Carolyn Spadine",
"Alane Suhr",
"Umut Sulubacak",
"Zsolt Szántó",
"Takaaki Tanaka",
"Reut Tsarfaty",
"Francis Tyers",
"Sumire Uematsu",
"Larraitz Uria",
"Gertjan van Noord",
"Viktor Varga",
"Veronika Vincze",
"Jing Xian Wang",
"Jonathan North Washington",
"Zdeněk Žabokrtský",
"Daniel Zeman",
"Hanzhi Zhu"
] | https://www.semanticscholar.org/paper/1e105a47662affe083eaf110e5590ad4b9f7894d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Czech and English abstracts of ÚFAL papers | České a anglické abstrakty článků ÚFALu | This is a document-aligned parallel corpus of English and Czech abstracts of scientific papers published by authors from the Institute of Formal and Applied Linguistics, Charles University in Prague, as reported in the institute's system Biblio. For each publication, the authors are obliged to provide both the original abstract in Czech or English, and its translation into English or Czech, respectively. No filtering was performed, except for removing entries missing the Czech or English abstract, and replacing newline and tabulator characters by spaces. | Toto je dokument-alignovaný paralelní korpus anglických a českých abstraktů vědeckých článků, které publikovali autoři z Institutu formální a aplikované lingvistiky Univerzity Karlovy v Praze, jak byly reportovány v systému institutu Biblio. Autoři každé publikace jsou povinni poskytnout jak originální abstrakt v češtině nebo angličtině, tak jeho překlad do angličtiny respektive češtiny. Žádné filterování nebylo provedeno, kromě odstranění záznamů, kterým chybí český nebo anglický abstrakt a nahrazení nových řádků a tabulátorů mezerami. | [
"Rudolf Rosa"
] | https://www.semanticscholar.org/paper/a3c7557ea5490061af33b3114fa138159496ff53/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Czechizator | Čechizátor | We present a lexicon-less rule-based machine translation system from English to Czech, based on a very limited amount of transformation rules. Its core is a novel translation module, implemented as a component of the TectoMT translation system, and depends massively on the extensive pipeline of linguistic preprocessing and postprocessing within TectoMT. Its scope is naturally limited, but for specific texts, e.g. from the scientific or marketing domain, it occasionally produces sensible results. | Prezentujeme lexikon-lesový rule-bazovaný systém machín translace od Engliše Čecha, který bazoval na verově limitované amountu rulů transformace. Jeho kor je novelový modul translace, implementovalo jako komponent systému translace tektomtu a dependuje masivně na extensivní pipelínu lingvistické preprocesování a postprocesovat v Tektomtu. Jeho skop je naturálně limitovaná, ale pro specifické texty z například scientifické nebo marketování doménu okasionálně producuje sensibilní resulty. | [
"Rudolf Rosa"
] | https://www.semanticscholar.org/paper/58778f3fa75ae4b18c40480547992b245d83f107/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Delexicalized Cross-lingual Transfer of Statistical Syntactic Parsers for Automatic Analysis of Low-resourced Natural Languages | Delexicalizovaný mezijazyčný přenos statistických syntaktických parserů pro automatický rozbor přirozených jazyků s omezenými zdroji | We present our work on semi-supervised parsing of natural language sentences, focusing on multi-source crosslingual transfer of delexicalized dependency parsers. We present KLcpos3, an empirical language similarity measure, designed and tuned for source parser weighting in multi-source delexicalized parser transfer. And finally, we introduce a novel resource combination method, based on interpolation of trained parser models. | Představujeme naši práci v oblasti částečně řízené syntaktické analýzy vět přirozeného jazyka, se zaměřením na mezijazyčný přenos delexikalizovaných závislostních parserů s více zdroji. Představujeme KLcpos3, empirickou míru podobnosti jazyků, navrženou a vyladěnou pro vážení zdrojových parserů při přenosu delexicalizovaných parserů s více zdroji. Nakonec představíme novou metodu kombinace zdrojů, založenou na interpolaci natrénovaných modelů parserů. | [
"Rudolf Rosa"
] | https://www.semanticscholar.org/paper/dcfa60b6b2d7731afbe6da1742935db76770150a/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2016 | How an internet search engine works | Jak pracuje internetový vyhledávač | This is something everyone uses, but it is not absolutely clear how it works. For a given query it is not possible to simply traverse all the existing billions of websites, and return the few millions that contain the sought words. I will show what a reverse index is, how results are sorted, and I will also add more advanced techniques (TF.IDF, lemmatization, synonyms, named entities). | To je něco, co používá každý, přitom není úplně zřejmé, jak to funguje. Pro daný dotaz nejde prostě pro každý dotaz projít všechny existující miliardy webových stránek, a vrátit uživateli několik miliónů z nich, které obsahují hledaná slova. Ukážu, co je reverzní index (to zná každý pod názvem rejstřík), podle čeho se řadí výsledky, a přidám i pokročilejší vylepšení (TF.IDF, lematizace, synonyma, pojmenované entity). | [
"Rudolf Rosa"
] | https://www.semanticscholar.org/paper/4d63c7de5d90b4de27c5aae46b01622fb576f104/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2016 | Slovakoczech NLP workshop (SloNLP 2016) | Slovenskočeský NLP workshop (SloNLP 2016) | SloNLP is a workshop focused on Natural Language Processing (NLP) and Computational Linguistics. Its primary aim is to promote cooperation among NLP researchers in Slovakia and Czech Republic.
The topics of the workshop include automatic speech recognition, automatic natural language analysis and generation (morphology, syntax, semantics, etc.), dialogue systems, machine translation, information retrieval, practical applications of NLP technologies, and other topics of computational linguistics. | SloNLP je workshop speciálně zaměřený na zpracování přirozeného jazyka a počítačovou lingvistiku. Jeho hlavním cílem je podpořit spolupráci mezi výzkumníky v oblasti NLP v Česku a na Slovensku.
Mezi témata workshopu patří automatické rozpoznávání mluvené řeči (ASR), automatická analýza a generování přirozeného jazyka (morfologie, syntax, sémantika...), dialogové systémy (DS), strojový překlad (MT), vyhledávání informací (IR), praktické aplikace NLP technologií, a další témata počítačové lingvistiky. | [
"Rudolf Rosa",
"Petra Barančíková"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |