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 | 2009 | The meaning of the conditional mood within the tectogrammatical annotation of Prague Dependency Treebank 2.0 | Význam kondicionálu v rámci tektogramatické anotace Pražského závislostního korpusu 2.0 | The conditional form is one of the moods of Czech verbs, and it renders several meanings in contemporary Czech texts (Sect. 2). The present paper focuses on the primary function of this mood, which is to express hypothetical events (Sect. 3). In Section 4, we briefly mention how modality has been treated up to now in PDT 2.0 and some other treebanks and finally in Section 5 we propose a new way how the primary meaning of the conditional mood should be captured in the annotation scheme of the tectogrammatical layer of PDT 2.0. | Kondicionál je jedním ze slovesných způsobů, v současné češtině plní celou řadu funkcí. V příspěvku se zaměřujeme na primární význam kondicionálu, který spočívá ve vyjadřování hypotetických dějů. Protože tento význam dosud nebyl – přes jeho sémantickou relevanci –zohledňován při popisu větného významu v Pražském závislostním korpusu 2.0 (PDT 2.0), pokusíme se navrhnout nový prostředek, který to umožní. | [
"Magda Ševčíková"
] | https://www.semanticscholar.org/paper/52f48f89b933e25fe91b3fd6408cb71eded69cfb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | A Cost-effective Lexical Acquisition Process for Large-scale Thesaurus Translation | Efektivní získávání lexikálních dat pro překlad rozsáhlé ontologie | Thesauri and controlled vocabularies facilitate access to digital collections by explicitly representing the underlying principles of organization. Translation of such resources into multiple languages is an important component for providing multilingual access. However, the specificity of vocabulary terms in most thesauri precludes fully-automatic translation using general-domain lexical resources. In this paper, we present an efficient process for leveraging human translations to construct domain-specific lexical resources. This process is illustrated on a thesaurus of 56,000 concepts used to catalog a large archive of oral histories. We elicited human translations on a small subset of concepts, induced a probabilistic phrase dictionary from these translations, and used the resulting resource to automatically translate the rest of the thesaurus. Two separate evaluations demonstrate the acceptability of the automatic translations and the cost-effectiveness of our approach. | Článek popisuje proces efektivně využívající manuálních překladů pro konstrukci doménově specifických lexikálních databází. | [
"Jimmy Lin",
"Craig G. Murray",
"Bonnie J. Dorr",
"Jan Hajič",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/f42e03c4300036fde350277dffceb6f823a08a78/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | TrEd extension for displaying TectoMT framework files | Rozšíření editoru TrEd zobrazující datové soubory z frameworku TectoMT | Tree Editor TrEd extension provides ability to open and display *.tmt files used within the Natural Language Processing framework TectoMT. | Rozšířující modul pro editor TrEd, který umožní otevřít a zobrazit tmt soubory používané v systému TectoMT. | [
"Jan Ptáček",
"Zdeněk Žabokrtský",
"David Mareček",
"Martin Popel",
"Petr Pajas"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Annotation of Selected Non-dependency Relations in a Dependency Treebank | Anotace vybraných nezávislostních vztahů v závislostním korpusu | The following paper has two aims. First, it introduces a procedure of a manual annotation of selected linguistic phenomena across a large-scale dependency treebank of English. The method was designed to provide higher consistency of annotated data, and so higher credibility of the treebank. Second, the first expert task completed by means of this method is being described – the annotation of rhematizers and discourse connectives and their modifiers, i.e. annotation of some non-dependency relations in a dependency approach. | Článek se zabývá anotací vybraných nezávislostních vztahů v závislostním treebanku. | [
"Kristýna Čermáková",
"Lucie Mladová",
"Eva Fučíková",
"Kateřina Veselá"
] | https://www.semanticscholar.org/paper/672bd9d68fcd4379e09a5e73d7a36fd873f4d56b/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | A method to restrict the blow-up of hypotheses of a non-disambiguated shallow machine translation system | Metoda omezení nárůstu hypotéz v nedisambiguovaném mělkém systému strojového překladu | The article presents two automatic methods that
reduce the complexity of the ambiguous space introduced by the omission of the part of speech
tagger from the architecture of a shallow machine
translation system. The methods were implemented in a fully functional translation system
for related languages. The language pair chosen for the experiments was Slovenian-Serbian
as these languages are highly inflectional with
morphologically ambiguous forms. The empirical evaluations show an improvement over the
original system. | Článek prezentuje dvě metody omezení komplexity prostoru víceznačných překladových hypotéz v systému strojového překladu s mělkým transferem bez taggeru. | [
"Jernej Vičič",
"Petr Homola",
"Vladislav Kuboň"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | An Insight into the Semantics of Directional Valency Complementation | Náhled do problematiky sémantiky směrových valenčních doplnění | We present some of our observations on the semantic characteristics of verbs requiring some kind of directional valency complementation. The verbs have been studied on the Prague Dependency Treebank and Prague Czech-English Dependency Treebank material. More than 500 Czech verbs with a directional specification in the valency frame that appeared in the Prague Dependency Treebank and PDT-VALLEX valency lexicon have been classified according to the semantic features of their complementations represented as DIR1 („from“), DIR2 („through“) or DIR3 („to“) labels. The results have been compared to the behaviour of corresponding English verbs appearing in the EngValLex valency lexicon. | V tomto příspěvku předkládáme některá pozorování týkající se sémantických charakteristik sloves vyžadujících směrové valenční doplnění. Slovesa byla komparačně studována na materiálu PDT a PCEDT. Více než 500 českých sloves se směrovým doplněním ve valenčním rámci bylo klasifikováno na základě sémantických rysů jejich doplnění typu DIR1, DIR2 nebo DIR3. Výsledky byly porovnány s chováním odpovídajících anglických sloves ve slovníku Engvallex. | [
"Jana Šindlerová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Building a Multilingual Valency Lexicon | Budování vícejazyčného valenčního slovníku | In my talk I will present an ongoing project focused on building a multilingual valency lexicon. The initial goal of the project is to bring together, refine and interlink two already existing electronic valency dictionaries, PDT-Vallex (valency characteristics of selected Czech verbs) and EngValLex (valency characteristics of selected English verbs). These dictionaries are embedded in a parallel corpus, the so called Prague Czech-English Dependency Treebank. The intended product should provide a) a dictionary of (rough) translational equivalents, b) important linguistic information about relations between valency characteristics of the equivalents (and possibly some more general information about the relation between verbal valency behaviour of the two language systems), and c) another device to be implemented into the proceeding experiments with automated machine translation. | Příspěvek popisuje současnou fázi projektu spojování dvou existujících elektronických valenčních slovníků v multilingvální valenční slovník. Základním cílem projektu je propojení PDT-Vallexu a Engvallexu, dvou slovníků užívaných při anotacích korpusu PCEDT. Výsledek projektu by měl poskytnout a) slovník překladových slovesných ekvivalentů, b) lingvistické poznatky o jejich valenčních charakteristikách, shodách a rozdílech mezi nimi a c) produkt vhodný k implementaci do experimentů se strojovým překladem. | [
"Jana Šindlerová"
] | https://www.semanticscholar.org/paper/5d9094cea0d2f2520196ef432c0f24972329a1f9/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Towards English-Czech Parallel Valency Lexicon via Treebank Examples | Budování anglicko-českého paralelního slovníku pomocí příkladů ze závislostního korpusu | The paper describes an ongoing project of building a bilingual valency
lexicon in the framework of Functional Generative Description. The bilingual
lexicon is designed as a result of interlinking frames and frame elements of
two already existing valency lexicons.
First, we give an overall account of the character of the lexicons to be linked,
second, the process of frame linking is explained, and third, a case
study is presented to exemplify what the information contained in frame
links tells us about crosslinguistic differences in general and the linguistic
theory applied. | Příspěvek popisuje probíhající projekt budování dvoujazyčného valenčního slovníku v teoretickém rámci Funkčního generativního přístupu. Tento dvoujazyčný slovník vzniká jako výsledek propojení rámců a jednotlivých prvků rámců ve dvou již existujících valenčních slovnících.
Nejprve představíme oba spojované slovníky, poté vysvětlíme proces spojování rámců a v závěru uvedeme případovou studii, která dokládá, jakým způsobem dvoujazyčný valenční slovník ozřejmuje mezijazykové rozdíly obecně a jak jeho vznik přispívá k rozvíjení valenční teorie. | [
"Jana Šindlerová",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/6e5247ee017c97b4941a68d3a6cb3129a470b56f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Automatic Extraction of Clause Relationships from a Treebank | Automatická extrakce vztahů mezi klauzemi z treebanku | The paper concentrates on deriving non-obvious information about clause structure of complex sentences from the Prague Dependency Treebank. Individual clauses and their mutual relationship are not explicitly annotated in the treebank, therefore it was necessary to develop an automatic method transforming the original annotation concentrating on the syntactic role of individual word forms into a scheme describing the relationship between individual clauses. The
task is complicated by a certain degree of inconsistency in original annotation with regard to clauses and their structure. The paper describes the method of deriving clause-related information from the existing annotation and its
evaluation. | Článek se zabývá extrakcí skrytých informací o struktuře souvětí z Pražského závislostního korpusu. Jednotlivé klauze a jejich vzájemné vztahy totiž v tomto korpusu nejsou explicitně oznčkovány a proto bylo nutné vyvinout automatickou metodu, která je schopna transformovat původní anotaci, týkající se téměř výlučně syntaktických rolí jednotlivých slovních forem, do schématu popisujícího vztahy mezi jednotlivými klauzemi ve složených souvětích. Tento úkol byl komplikován jistým stupněm nekonzistencí v původní anotaci právě vzhledem ke klauzím a jejich struktuře. Článek popisuje metodu odvozování informací o klauzích z existující anotace a vyhodnocení úspěšnosti této metody. | [
"Oldřich Krůza",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/c2899639fb70a6769031c89f17e27c3b3d50242d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Obtaining Hidden Relations from a Syntactically Annotated Corpus - From Word Relationships to Clause Relationships | Získávání skrytých vztahů ze syntakticky anotovaného korpusu - od vztahů mezi slovy ke vztahům mezi klauzemi | The paper concentrates on obtaining hidden relationships among individual clauses of complex sentences from the Prague Dependency Treebank. The treebank contains only an information about mutual relationships among individual tokens (words, punctuation marks), not about more complex
units (clauses). For the experiments with clauses and their parts (segments) it was therefore necessary to develop an automatic method transforming the original annotation into a scheme describing the syntactic relationships between
clauses. The task was complicated by a certain degree of inconsistency in original annotation with regard to clauses and their structure. The paper describes the algorithm of deriving
clause-related information from the existing annotation and its evaluation. | Článek se soustředí na získávání skrytých vztahů ve složených větách Pražského závislostního korpusu. Tento korpus obsahuje informace o vzájemných vztazích mezi slovy a dalšími prvky ve větě (interpunkce apod.), ale explicitně nezachycuje vztahy mezi složitějšími jednotkami (klauzemi). Pro další experimenty s klauzemi a jejich částmi (segmenty), bylo nutné vyvinout automatickou metodu transformující původní anotaci s ohledem na klauze a jejich strukturu. | [
"Oldřich Krůza",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/117624061a5e97d7f37cec3b73d7861e0f307c0d/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2009 | The placement of a verbal predicate in Older Czech (1500–1620) | Postavení slovesného přísudku ve starší češtině (1500–1620) | Description of the placement of synthetic forms of verbal predicates in Czech during the period 1500-1620 | Postavení přísudkového slovesa je jedním z centrálních témat slovosledu ve starší češtině. V reprezentativním korpusu jazykového materiálu analyzuje autorka z kvantitativního hlediska postavení slovesa ve starší češtině obecně, ve specifických syntaktických konstrukcích a ve vybraných dílech. Tato analýza je nejen mimořádně významným přínosem k výzkumu starší češtiny a jeho metodologii, ale současně i exaktní metodologickou základnou pro další výzkum slovosledu v češtině i dalších jazycích. Monografie zároveň přináší podněty a podklady pro další rozvoj české historické stylistiky a slovosledné typologie. | [
"Šárka Zikánová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Identification of Topic and Focus in Czech: Comparative Evaluation on Prague Dependency Treebank | Identifikace topiku a fokusu v češtině: srovnávací vyhodnocení na materiálu Pražského závislostního korpusu | comparison of parallel manual and automatic annotations of Topic-Focus Articulation in Czech sentences as a background for automatic annotation of Topic-Focus Articulation | srovnání paralelních ručních a automatických anotací aktuálního členění českých vět v souvislém textu jako podklad pro automatickou anotaci akutálního členění | [
"Šárka Zikánová",
"Miroslav Týnovský"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | A Study on Similarity and Relatedness Using Distributional and WordNet-based Approaches | Studie podobnosti a příbuznosti slov s použitím distributivních přístupů a přístupů založených na WordNet | This paper presents and compares WordNet based
and distributional similarity approaches.
The strengths and weaknesses of each approach
regarding similarity and relatedness
tasks are discussed, and a combination is presented.
Each of our methods independently
provide the best results in their class on the
RG and WordSim353 datasets, and a supervised
combination of them yields the best published
results on all datasets. Finally, we pioneer
cross-lingual similarity, showing that our
methods are easily adapted for a cross-lingual
task with minor losses. | Tento článek předkládá a srovnává přístupy pro měření podobnosti slov založené na distributivních metodách a WordNet metodách. Článek obsahuje diskuzi o výhodách a nevýhodách obou přístupů při odhadování podobnosti a příbuznosti slov a prezentuje kombinaci obou metod. Každá z našich metod nezávisle dosahuje nejlepších výsledků ve své třídě na datech RG a WordSim353, přičemž jejich kombinace dosahuje nejlepších zatím publikovaných výsledků na obou množinách dat. Na závěr předkládáme metodu pro měření podobnosti napříč jazyky a ukazujeme, že naše metody lze snadno rozšířit na vícejazyčné úkoly pouze s malou ztrátou úspěšnosti. | [
"Eneko Agirre",
"Enrique Alfonseca",
"Keith Brendan Hall",
"Jana Kravalová",
"Marius Pasca",
"Aitor Soroa"
] | https://www.semanticscholar.org/paper/5079c42cb329f70a4f2b94fd429ea8d35a043f56/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Evaluation of Machine Translation Metrics for Czech as the Target Language | Vyhodnocení metrik kvality strojového překladu ve směru do češtiny | In the present work we study semi-automatic evaluation techniques of machine
translation (MT) systems. These techniques are based on a comparison of the MT
system's output to human translations of the same text. Various metrics were
proposed in the recent years, ranging from metrics using only a unigram
comparison
to metrics that try to take advantage of additional syntactic or semantic
information. The main goal of this article is to compare these metrics with
respect to their correlation with human judgments for Czech as the target
language and to propose the best ones that can be used for an evaluation of MT
systems translating into Czech language. | Článek studuje soulad automatických metrik strojového překladu s ručním hodnocením pro překlad do četštiny. Kromě vyhodnocení několika známých metrik zavádíme vlastní, která dosahuje výborných výsledků. | [
"Kamil Kos",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/c203925c814b7a2333ce3f0334c8e98ccb71dc08/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Ways to Improve the Quality of English-Czech Machine Translation | Možnosti zlepšení strojového překladu z angličtiny do češtiny | This thesis describes English-Czech Machine Translation as it is implemented in TectoMT system.
The transfer uses deep-syntactic dependency (tectogrammatical) trees and exploits the annotation scheme of Prague Dependency Treebank.
The primary goal of the thesis is to improve the translation quality using both rule-base and statistical methods.
First, we present a manual annotation of translation errors in 250 sentences and subsequent identification of frequent errors, their types and sources.
The main part of the thesis describes the design and implementation of modifications in the three transfer phases: analysis, transfer and synthesis.
The most prominent modification is a novel approach to the transfer phase based on Hidden Markov Tree Models (a tree modification of Hidden Markov Models).
The improvements are evaluated in terms of BLEU and NIST scores. | Tato diplomová práce popisuje strojový překlad z angličtiny do češtiny implementovaný v systému TectoMT.
Překlad je založen na transferu přes tektogramatickou rovinu a využívá anotační schéma Pražského závislostního korpusu.
Prvotním cílem práce je zlepšení kvality překladu za pomoci pravidlového přístupu i statistických metod.
Nejprve je popsána ruční anotace překladových chyb ve vzorku 250 vět a následná analýza častých typů chyb a jejich příčin.
Hlavní část textu pak popisuje návrh a provedení úprav, které vedly k vylepšení tří fází překladu: analýzy, transferu a syntézy.
Nejvýraznější inovací je využití stromové modifikace skrytých Markovových řetězců (Hidden Markov Tree Models) ve fázi transferu.
Dosažené zlepšení je kvantitativně vyhodnoceno pomocí metrik BLEU a NIST. | [
"Martin Popel"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Improving English-Czech Tectogrammatical MT | Zlepšování anglicko-českého tektogramatického překladu | This paper summarizes our recent results concerning English-Czech
Machine Translation implemented in the TectoMT framework. The system
uses tectogrammatical trees as the transfer medium.
A detailed analysis of errors made by the previous version of the
system (considered as the baseline) is
presented first. Then we describe a number of improvements of the system that
led to better translation quality in terms of BLEU and NIST scores.
The biggest performance gain comes from applying Hidden
Tree Markov Model in the transfer phase, which is a novel technique
in the field of Machine Translation. | Článek shrnuje nové výsledky v anglicko-českém strojovém překladu implementovaném v systému TectoMT. Obsahuje analýzu překladových chyb a návrh nového řešení transferu pomocí stromových HMM. | [
"Martin Popel",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/af8d356401aa2196f72f5e4365e44542280993f7/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | Compost Dutch | Compost Dutch | Compost Dutch is a tool for POS tagging of Dutch based on Morče tagger. It is trained on Dutch part of CGN corpus. The resulting tagger obtained accuracy 97.27 % and thus overcome other previously published taggers. | Compost Dutch je nástroj pro morfologické značkování holandštiny založený na taggeru Morče. Je trénován na holandské části korpusu CGN. Výsledný tagger svojí úspěšností (97.27 %) překonal dosavadní publikované taggery. | [
"Jan Raab"
] | https://www.semanticscholar.org/paper/96eeab5606d95165c52e02bc0f711f2492eb59c7/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2009 | COMPOST Dutch: The Best POS Tagger for Dutch Spoken Language | Holandský COMPOST: Nejlepší POS Tagger pro mluvenou holandštinu | In this work we present a better than state-of-the-art POS tagger developed for Dutch. It is based on Averaged Perceptron algortithm and trained on CGN corpus (Dutch part only so far). The accuracy on randomly selected eval-test data is 97.2%, which represents a 1% error reduction compared to previous work (Bosch et al., 2006).
Although the improvement of accuracy may not be significant compared, COMPOST Dutch has few more benefits. The algortithm is implemented as a stand-alone program, which is easy to use and quite fast - it can process about 100k words per minute. COMPOST is freely downloadable from our website for research purpose. It works both under Linux and Windows platform. | V této práci prezentujeme holandský morfologický tagger, který překonal úspěšnost předchozích taggerů. Je založen na průměrovaném perceptronu a natrenován na korpusu CGN (pouze na holandské části). Úspěšnost na náhodně zvolených evaluačních datech dosáhla 97,2 %, což představuje více než 1% redukci chyb oproti předchozímu taggeru (Bosch a kol., 2006).
Přestože nelze určit signifikanci zlepšení úspěšnosti, COMPOST Dutch má několik dalších výhod. Algoritmus je implementován jako samostatný program, který je snadno spustitelný a rychlý (zpracuje okolo 100 tisíc slov za minutu).
COMPOST je volně stažitelný z našeho webu pro výzkumné účely. Funguje jako pod Linuxem, tak pod Windows. | [
"Jan Raab",
"Eduard Bejček"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Combining Statistical and Rule-Based Approaches to Morphological Tagging of Czech Texts | Kombinování statistických a pravidlových přístupů k morfologickému značkování českých textů | This article is an extract of the PhD thesis Spoustova07 and it extends the article SpoustovaEtAl07. Several hybrid disambiguation methods are described which combine the strength of hand-written disambiguation rules and statistical taggers. Three different statistical taggers (HMM, Maximum-Entropy and Averaged Perceptron) and a large set of hand-written rules are used in a tagging experiment using Prague
Dependency Treebank. The results of the hybrid system are better than any other method tried for Czech tagging so far. | Článek je shrnutím PhD disertace Spoustova07 a rozšířením článku SpoustovaEtAl07. Popisuje několik metod značkování, které kombinují ručně psaná pravidla a stochastické taggery. | [
"Drahomíra Spoustová"
] | https://www.semanticscholar.org/paper/c2a31a958df23c9ae1403eee057ab676914b764d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Morphium | Morphium | Morphium is a tool which reduces the full Penn Treebank POS tagset to a list of tags theretically plausible for each word. The analyzer still overgenerates a lot, but its precision is much higher than the precision of the full tagset, keeping the same recall.
Morphium is written in Perl and is available under the GPL license. | Morphium je nástroj zmenšující tagset Penn treebanku na seznam tagů teoreticky použitelných pro dané slovo. Morphium je napsáno v Perlu a je dostupné pod GPL licencí. | [
"Drahomíra Spoustová"
] | https://www.semanticscholar.org/paper/c39c7419b867b59452f1255ac59404c4e4bace25/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Compost English | Compost English | Compost English is a tool which combines the Morphium morphological analyzer and the Morce tagger using an innovative semi-supervised training method. The resulting tagger gives the best accuracy achieved for English (on standard PTB data set) so far: 97.43 %
Compost English is written in Perl and C and is available for registered users only. However, the default package does not contain the Morce tagger source code, which you can dowload directly from the Morce website. | Compost English je nástroj kombinující morfologický analyzátor Morphium a tagger Morče za užití nové metody semi-supervised trénování. Výsledný tagger má nejlepší výsledky pro angličtinu (97.43 %). | [
"Drahomíra Spoustová",
"Jan Hajič",
"Jan Raab",
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/1fbc3ea704bd5e3a24f2f24a0a1fc3cf5c27127f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Validating the Quality of Full Morphological Annotation | Kontrola kvality plné morfologické anotace | In our paper we present a methodology used for low-cost validation of quality of Part-of-Speech annotation of the Prague Dependency Treebank based on multiple re-annotation of data samples carefully selected with the help of several different Part-of Speech taggers. | V tomto článku prezentujeme metodiku použitou pro levnou kontrolu kvality morfologického značkování Pražského závislostního korpusu založenou na vícenasobném ručním přeznačkování s pomocí několika různých taggerů. | [
"Drahomíra Spoustová",
"Pavel Pecina",
"Jan Hajič",
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/205803714a2d8d170bc0b3135bed15b67c624413/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Automatic Alignment of Tectogrammatical Trees from Czech-English Parallel Corpus | Automatické párování tektogramatických stromů z česko-anglického paralelního korpusu | The goal of this thesis is to implement and evaluate a software tool for automatic alignment of Czech and English tectogrammatical trees. The task is to find correspondent nodes between two trees that represent an English sentence and its Czech translation. Great amount of aligned trees acquired from parallel corpora can be used for
training transfer models for machine translation systems. It is also useful for linguists in
studying translation equivalents in two languages. In this thesis there is also described
word alignment annotation process. The manual word alignment was necessary for evaluation of the aligner. The results of our experiments show that shifting the alignment task from the word layer to the tectogrammatical layer both (a) increases the inter-annotator agreement on the task and (b) allows to construct a feature-based algorithm which uses sentence structure and which outperforms the GIZA++ aligner in terms of f-measure on aligned tectogrammatical node pairs. This is probably caused by the fact that tectogrammatical representations of Czech and English sentences are much closer compared to the
distance of their surface shapes. | Cílem této práce je implementovat a zhodnotit softwarový nástroj pro automatické zarovnávání (alignment) českých a anglických tektogramatických stromů. Úkolem je najít odpovídající si uzly stromů, které reprezentují anglickou větu a její český překlad. | [
"David Mareček"
] | https://www.semanticscholar.org/paper/32050a4548fc901641cbebc660683650858583cc/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Automatic Alignment of Czech and English Deep Syntactic Dependency Trees | Automatické párování uzlů v českých a anglických tektogramatických stromech | In this paper, we focus on alignment of Czech and English tectogrammatical dependency trees. The alignment of deep syntactic dependency trees can be used for training transfer models for machine
translation systems based on analysis-transfer-synthesis architecture. The results of our experiments show that shifting the alignment task from the word layer to the tectogrammatical layer both (a) increases the inter-annotator agreement on the task and (b) allows to construct a feature-
based algorithm which uses sentence structure and which outperforms
the GIZA++ aligner in terms of f-measure on aligned tectogrammatical
node pairs. | Článek je zaměřen na zarovnávání paralelních českých a anglických tektogramatických stromů. Experiment ukazuje, že přesunutí ulohy zarovnávání na tektogramatickou rovinu umožní dosáhnout vyšší mezianotátorské shody. | [
"David Mareček",
"Zdeněk Žabokrtský",
"Václav Novák"
] | https://www.semanticscholar.org/paper/9ddf0087d0d2f115d1ce7e550dfa8729bd7a2aeb/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | The presupposition implicating particles as an important part of the meaning of a sentence | Částice implikující presupozici jako podstatná složka větného významu | The article discusses particles that imply pressupposition as the fundamental part of the meaning of the sentence. | Článek pojednává o částicích implikujících presupozici jako podstatnou složku větného významu. | [
"Zuzanna Bedřichová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Charles University at CLEF 2007 Ad-Hoc Track | Univerzita Karlova v Ad-Hoc sekci CLEF 2007 | In this paper we describe retrieval experiments performed at Charles University in
Prague for participation in the CLEF 2007 Ad-Hoc track. We focused on the Czech
monolingual task and used the LEMUR toolkit as the retrieval system. Our results
demonstrate that for Czech as a highly inflectional language, lemmatization significantly
improves retrieval results and manually created queries are only slightly better
than queries automatically generated from topic specifications. | Tento článek popisuje vyhledávací experimenty týmu z Karlovy Univerzity v Praze na soutěži CLEF 2007 Ad-Hoc. Zaměřili jsme se na monolinguální úlohu a použili nástroj LEMUR pro náš vyhledávač. Naše výsledky ukazují, že pro češtinu lemmatizace signifikantně vylepšuje výsledky vyhledávání a manuální tvorba dotazů je pouze těsně lepší než automatickátvorba dotazů s popisu témet. | [
"Pavel Češka",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/7355d2aff412366ba00f523338944f9218fcd301/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Machine Learning Approaches to Coreference Resolution | Analýza koreference pomocí strojového učení | This paper introduces three machine learning approaches to noun phrase
coreference resolution. The first of them gives a view of coreference resolution as a
clustering task. The second one applies a noun phrase coreference system based on
decision tree induction and the last one experiments with using the Bell tree to
represent the search space of the coreference resolution problem. The knowledge
gained from these experiments can be conducive to development of a Czech
coreference resolution system. | Článek přestavuje tři metody strojového učení k automatické analýze jmenných frází. První z nich ji zkoumá jako úlohu seshlukování. Druhá metoda na ni aplikuje rozhodovací stromy a poslední experimentuje s Bell stromem, jakožto vyhledávácí prostor pro vyřešení problému automatické analýzy koreferencí. Znalosti získané z těchto experimentů můžou být prospěšné pro vývoj systému automatické analýzy koreferencí na češtině. | [
"Giang Linh Nguy"
] | https://www.semanticscholar.org/paper/543bcff94a7584715ea9ff8bff6c005a08b5dcb0/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Czech Verbs of Communication with respect to Types of Dependent Content Clauses | Česká slovesa mluvení s ohledem na typ závislé obsahové klauze | This paper provides an analysis of Czech verbs of communication. It describes their three semantic participants 'Speaker', 'Recipient' and 'Message'. Especially, dependent content clauses realizing the participant 'Message' are discussed in great detail. Three types of them are distinguished: assertive, interrogative and directive. A further subdivision of the class of verbs of communication is proposed in accordance with types of dependent content clauses which the verbs of communicatioon bind to themselves. | Tento příspěvek přináší analýzu českých sloves mluvení. Popisuje tři sémantické participanty typické pro tato slovesa: mluvčího, příjemce a sdělení. Pozornost je zde věnována zejména participantu sdělení, který bývá často realizován závislou obsahovou klauzí. U sloves mluvení vymezujeme tři typy těchto klauzí: asertivní, interogativní a direktivní. Dále navrhujeme rozdělení skupiny sloves mluvení podle toho, který z typů závislé obsahové klauze k sobě dané sloveso váže. | [
"Václava Kettnerová"
] | https://www.semanticscholar.org/paper/685706b78bbfb7c90da33c8c90564eda70496b25/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Semantic Classes in Czech Valency Lexicon: Verbs of Communication and Verbs of Exchange | Semantické třídy ve valenčním slovníku: slovesa komunikace a slovesa výměny | We introduce a project aimed at enhancing a valency lexicon of Czech verbs with coherent semantic classes. For this purpose, we
make use of FrameNet, a semantically oriented lexical resource. At the present stage, semantic frames from FrameNet have been mapped to
two groups of verbs with divergent semantic and morphosyntactic properties, verbs of~communication and verbs of exchange. The
feasibility of this task has been proven by the achieved interannotator agreement -- 85.9% for the verbs of communication and 78.5% for the verbs of exchange. As a result of our experiment,
the verbs of communication have been grouped into~nine semantic classes and the verbs of exchange into ten classes, based on upper
level semantic frames from FrameNet. | V tomto příspěvku představujeme projekt zaměřený na obohacení valenčního slovníku českých sloves o sémantické třídy. Využíváme k tomu FrameNet, sémantický lexikální zdroj. V této fázi byly sémantické informace z FrameNetu mapovány na
dvě skupiny sloves, slovesa komunikace a slovesa výměny. Možnosti tohoto přístupu ukázala mezianotátorská shoda - 85,9% u sloves komunikace a 78,5% u sloves výměny. | [
"Václava Kettnerová",
"Markéta Lopatková",
"Klára Hrstková"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Semantic Roles in Valency Lexicon of Czech Verbs: Verbs of Communication and Exchange | Sémantické role ve Valenčním slovníku českých sloves: Slovesa komunikace a výměny | We introduce a project to enhance a valency lexicon of Czech verbs with semantic roles. For this purpose, we make use of FrameNet. At the present stage, frame elements from FrameNet have
been mapped to valency complementations of verbs of communication and verbs of exchange. The feasibility of this task has been proven by the achieved interannotator agreement -- 95.6% for the verbs of communication and 91.2% for the verbs of exchange. As a result, we have obtained 37 semantic roles for the verbs of communication and 34 for the verbs of exchange, based on
frame elements of upper level semantic frames from FrameNet. | V tomto příspěvku představujeme projekt obohacující valenční slovník českých sloves o sémantické role. Pro tento účel využíváme FrameNet. V současné fázi byly mapovány valenční doplnění sloves komunikace a výměny na FE ve Framenetu. Možnosti tohoto přístupu ukázala mezianotátorská shoda - 95,6% u sloves komunikace a 91,2% u sloves výměny. Tímto způsobem jsme získali 37 sémantických rolí pro slovesa komunikace a 34 pro slovesa výměny. | [
"Václava Kettnerová",
"Markéta Lopatková",
"Klára Hrstková"
] | https://www.semanticscholar.org/paper/6ebef43c23a5e07e2a22c17bad92987e8082c2a6/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Discourse Relations in Czech and their Representation in an Annotated Corpus of Texts | Diskurzní vztahy v češtině a jejich zachycení v anotovaném korpusu | The present manual is a contribution to the widely discussed issue of how the syntactic structure of a sentence and the structure of discourse (text) are related. The syntactic sentence structure along with other language phenomena participates in building a coherent, comprehensible discourse. The author calls the syntactically motivated relations in discourse connective relations. These relations include coordinating relations and some of the subordinating relations within a sentence and, secondly, adjoining of discourse units across the sentence boundary. The explicit means of expressing connective relations are called discourse connectives. It is a group of language expressions that connect or adjoin discourse units while indicating the type of semantic relation between them, i. e. conjunctions, some subjunctions, particles and adverbials, and marginally also some other parts-of-speech. The present thesis describes the semantic category of discourse connectives in Czech on the basis of language data and their syntactic annotation in the Prague Dependency Treebank, and thus aims to contribute to the design of a language corpus annotation scenario capturing the discourse relations in Czech. | Tato příručka je výstupem z korpusového výzkumu věnovanému vzájemnému vztahu syntakticko-sémantické struktury věty a struktury diskurzu (textu) zpracovanému v diplomové práci Lucie Mladové (Ústav českého jazyka a teorie komunikace FF UK, 2008). Z rozsáhlé problematiky popisu diskurzu v jeho různých aspektech (např. koreferenční vztahy, tematicko-rematická výstavba diskurzu atd.) se zabývá především syntakticky motivovanými vztahy, tj. otázkou, do jaké míry lze ze syntaktického a sémantického popisu věty vyčíst informace o diskurzních vztazích a jakého charakteru tyto informace jsou. | [
"Lucie Mladová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | On the Relation between Rhematizers and Discourse Connectives | K problematice vztahu rematizátorů a textových konektorů | In this article, we discuss the linguistic properties of the so-called rhematizers and discourse connectives. | V oblasti zkoumání věty z hlediska jejího aktuálního členění (nebo funkční perspektivy) má česká lingvistika za sebou mnoho práce. Při bádáních zaměřených tímto směrem byla věnována značná pozornost výrazům, které signalizují kategorie aktuálního členění věty, tzv. rematizátorům (jsou to výrazy jako například: jen, zejména, také, hlavně, právě, alespoň atd.). | [
"Lucie Mladová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Discourse Relations in Czech and their Representation in an Annotated Corpus of Texts | Od hloubkové struktury věty k diskurzním vztahům (Diskurzní vztahy v češtině a jejich zachycení v anotovaném korpusu) | The present thesis is a contribution to the widely discussed issue of how the syntactic structure of a sentence and the structure of discourse (text) are related. The syntactic sentence structure along with other language phenomena participates in building a coherent, comprehensible discourse. The author calls the syntactically motivated relations in discourse connective relations. These relations include coordinating relations and some of the subordinating relations within a sentence and, secondly, adjoining of discourse units across the sentence boundary. The explicit means of expressing connective relations are called discourse connectives. It is a group of language expressions that connect or adjoin discourse units while indicating the type of semantic relation between them, i. e. conjunctions, some subjunctions, particles and adverbials, and marginally also some other parts-of-speech. The present thesis describes the semantic category of discourse connectives in Czech on the basis of language data and their syntactic annotation in the Prague Dependency Treebank, and thus aims to contribute to the design of a language corpus annotation scenario capturing the discourse relations in Czech. | Práce je věnována problematice vzájemného vztahu syntaktické struktury věty a struktury diskurzu (textu). Syntaktická struktura věty se spolu s dalšími jevy podílí na koherenci a tedy srozumitelnosti diskurzu. Syntakticky motivované vztahy v diskurzu nazývá autorka vztahy konektivními. Tyto vztahy zahrnují jednak koordinační a některé závislostní vztahy v rámci věty a jednak připojování či navazování textových jednotek přes hranice věty. Explicitní prostředky vyjádření konektivních vztahů tvoří skupina tzv. diskurzních konektorů, což jsou slova nebo slovní spojení, která spojují či připojují textové jednotky a zároveň vyjadřují druh sémantického vztahu mezi nimi, tj. spojky, některé částicové a adverbiální výrazy a okrajově také další slovní druhy. Práce si klade za cíl popsat skupinu diskurzních konektorů v češtině na základě jazykového materiálu a syntaktické anotace Pražského závislostního korpusu a přispět tak ke vzniku korpusu s anotací diskurzních vztahů. | [
"Lucie Mladová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | From Sentence to Discourse: Building an Annotation Scheme for Discourse Based on Prague Dependency Treebank | Koncepce anotačního schématu pro diskurz na základě PDT | Basic presentation of discourse annotation scenario in Prague Dependency Treebank, based on its tectogrammatical level of analysis and on the Philadelphian project Penn Discourse Treebank | Základní představení anotačního systému analýzy diskurzu v Pražském závislostním korpusu, vycházející z jeho tektogramatické roviny a z filadelfského projektu Penn Discourse Treebank | [
"Lucie Mladová",
"Šárka Zikánová",
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/5fd8d13307240ebbef9d768fef6eede04323364c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Hybrid Approaches in Machine Translation | Hybridní metody ve strojovém překladu | In this paper we shortly summarize the main paradigms of machine translation. We describe the principles of successful phrase-based statistical approach and show some recent improvements using hybridization towards both example-based and rule-based directions. We also describe the experiments in this topic English-to-Czech translation that carried out at our department, we comment the weak points and provide for improvement possibilities. | V tomto článku stručně shrnujeme hlavní přístupy ke strojovému překladu. Popisujeme principy úspěšného frázového statistického přístupu a ukazujeme některá nedávná vylepšení, která využívají hybridizaci jak směrem k překladu založenému na příkladech, tak k překladu založenému na pravidlech. | [
"Miroslav Týnovský"
] | https://www.semanticscholar.org/paper/c2127611e6397344f190965ce66f4587849a91bc/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Tree Aligner 0.8, Perl implementation | Tree Aligner 0.8, implementace v Perlu | A Perl implementation of treelet pair extraction from a parallel dependency treebank. | Implementace dolování stromových překladových ekvivalentů ze závislostního paralelního treebanku v jazyce Perl. | [
"Miroslav Týnovský",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/e31e37afdad3a9382faa9d961cc3ccd88c0eb65f/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | The Past, Present, and Future of the DIALOG Corpus | Minulost, současnost a budoucnost korpusu DIALOG | In this paper, we show a comprehensive picture of DIALOG corpus, in chronological order: the corpus history, its current form and perspectives for the next three years.
The DIALOG corpus is a prosodically annotated corpus of Czech television debates that has been recorded and annotated at the Czech Language Institute of the Academy of Sciences of the Czech Republic. This project has been carried out in cooperation with the Institute of Formal and Applied Linguistics of Faculty of Mathematics and Physics, Charles University, Prague. | V příspěvku podáváme komplexní obraz korpusu DIALOG, a to v časovém sledu: pojednáváme o historii korpusu, jeho současné podobě a výhledech na příští tři roky. V části věnované historii se zabýváme základní motivací, která vedla badatelky a badatele z oddělení stylistiky a lingvistiky textu Ústavu pro jazyk český AV ČR ke sběru a analýze televizních dialogických jazykových projevů; podáváme též přehled o nejdůležitějších publikacích z tohoto období, o hlavních výzkumných tématech a teoretických poznatcích. V části věnované současnosti korpusu se zabýváme obdobím zpracovávání sebraného materiálu do podoby elektronického jazykového korpusu. Podáváme základní charakteristiky korpusu z hlediska lingvistického i počítačově-technického a shrnujeme obsah hlavních publikací z tohoto období. Představujeme také první veřejně přístupnou verzi korpusu, nazvanou DIALOG 0.1, a webové stránky tohoto dílčího korpusu (viz http://ujc.dialogy.cz). V části věnované blízké budoucnosti korpusu DIALOG pojednáváme o cílech grantového projektu Mluvená čeština ve veřejných dialozích: dobudování, zpřístupnění a průzkum korpusu DIALOG (Grantová agentura AV ČR, doba řešení projektu: 2007–2009, identifikační číslo projektu: KJB900610701, řešitel projektu: Petr Kaderka). Představujme možnosti obsažené v technickém řešení projektu, jehož autorem je Nino Peterek, harmonogram zpřístupňování korpusu veřejnosti a lingvistické výzkumy, na nichž aktuálně pracujeme nebo které na nás v blízké budoucnosti čekají. | [
"Petr Kaderka",
"Martin Havlík",
"Zdeňka Svobodová",
"Nino Peterek",
"Eva Havlová",
"Jana Klímová",
"Patricie Kubáčková"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Building of a Speech Corpus Optimised for Unit Selection TTS Synthesis | Vytváření řečového korpusu optimalizovaného pro syntézu řeči z textu technikou dynamického výběru jednotek | The paper deals with the process of designing a phonetically and prosodically rich speech corpus for unit selection speech synthesis. The attention is given mainly to the recording and verification stage of the process. In order to ensure as high quality and consistency of the recordings as possible, a special recording environment consisting of a recording session management and “pluggable” chain of checking modules was designed and utilised. Other stages, namely text collection (including) both phonetically and prosodically balanced sentence selection and a careful annotation on both orthographic and phonetic level are also mentioned.
Language | Tento článek se zabývá procesem vývoje foneticky a prozodicky bohatého korpusu mluvené řeči pro jednotkovou syntézu mluvené řeči. Zvláštní pozornost je věnována nahrávání a verifikační fázi procesu. Pro zajištění nejvyšší možné kvality a konzistence nahrávek bylo použito speciální nahrávací zařízení. | [
"Jindřich Matoušek",
"Daniel Tihelka",
"Jan Romportl"
] | https://www.semanticscholar.org/paper/49445714b8a97baaaa5e770b9ed648dcd7a35211/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Exploiting Linguistic Data in Machine Translation | Využití lingvistických dat ve strojovém překladu | This thesis explores the mutual relationship between linguistic theories, data
and applications. We focus on one particular theory, Functional Generative
Description (FGD), one particular type of linguistic data, namely valency
dictionaries and one particular application: machine translation (MT) from
English to Czech.
First, we examine methods for automatic extraction of verb valency dictionaries
based on corpus data. We propose an automatic metric for estimating how much
lexicographers' labour was saved and evaluate various frame extraction
techniques using this metric.
Second, we design and implement an MT system with transfer at
various layers of language description, as defined in the framework of FGD. We
primarily focus on the tectogrammatical (deep syntactic) layer.
Third, we leave the framework of FGD and experiment with a rather direct,
"phrase-based" MT system. Comparing various setups of the system and
specifically treating target-side morphological coherence, we are
able to significantly improve MT quality and out-perform a commercial MT
system within a pre-defined text domain.
The concluding chapter provides a broader perspective on the utility of lexicons
in various applications, highlighting the successful features. Finally, we
summarize the contribution of the thesis. | Doktorská dizertační práce studuje vzájemný vztah mezi lingvistickými teoriemi, daty a aplikacemi. Zaměřujeme se na jednu konkrétní teorii, Funkční generativní popis, jeden konkrétní typ dat, totiž valenční slovníky, a jednu konkrétní aplikaci: strojový překlad z angličtiny do češtiny. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/41dd604164a4b47d4e950cfe592a1779c6ffed25/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Phrase-Based and Deep Syntactic English-to-Czech Statistical Machine Translation | Frázový a hloubkově syntaktický anglicko-český statistický strojový překlad | This paper describes our two contributions to WMT08 shared task: factored
phrase-based model using Moses and a probabilistic tree-transfer model at a deep
syntactic
layer. | Příspěvek popisuje naše dva systémy v soutěži WMT08: frázový překlad o více faktorech a pravděpodobnostní stromový transfer přes hloubkovou syntax. | [
"Ondřej Bojar",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/e286adb5a4cda94a600ab251f0e10f62e9615576/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | English-Hindi Translation in 21 Days | Překlad z angličtiny do hindštiny za 21 dní | We present experiments with a Moses-based English-to-Hindi translation system. We evaluate the impact of additional out-of-domain training data, both parallel and Hindi-only, and experiment with three methods for improving word order: standard Moses reordering model, rule-based preprocessing and language-independent suffix identification. | Předkládáme experimenty se strojovým překladem z angličtiny do hindštiny založeným na systému Moses (Mojžíš). Vyhodnocujeme vliv dodatečných trénovacích dat z odlišné domény, a to jak paralelních, tak jednojazyčných hindských. Testujeme tři metody pro zlepšení práce se slovosledem: standardní slovosledný model zabudovaný v Mosesu, předzpracování založené na pravidlech a jazykově nezávislou identifikaci přípon. | [
"Ondřej Bojar",
"Pavel Straňák",
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/5da91f47d49556c946fe759c46c9e08a8c26b50c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Towards English-to-Czech MT via Tectogrammatical Layer | K anglicko-českému strojovému překladu přes tektogramatickou rovinu | We are presenting an overview of an English-to-Czech machine translation system. The system relies on transfer at the tectogrammatical (deep syntactic) layer of the language description. We report on the progress of linguistic annotation of English tectogrammatical layer and also on first end-to-end evaluation of our syntax-based MT system. | Popisujeme systém automatického překladu z angličtiny do češtiny založený na syntaktickém transferu na rovině hloubkové syntaxe (tzv. tektogramatické rovině). Podrobně je popsán anotační proces pro angličtinu a také vyhodnocena kvalita překladu prototypu celého systému. | [
"Ondřej Bojar",
"Silvie Cinková",
"Jan Ptáček"
] | https://www.semanticscholar.org/paper/693c94468eef9fb67493d001da53f43c05466b8a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Tree-based Translation | Překlad pomocí stromů | The report briefly discusses the differences between constituency and dependency trees including their different expressivity. It also provides references to some tree grammar formalisms. | Příspěvek stručně popisuje rozdíly mezi závislostními a složkovými stromy včetně jejich vyjadřovací síly a dále uvádí odkazy na některé formalismy stromových gramatik. | [
"Ondřej Bojar",
"Adam Lopez"
] | https://www.semanticscholar.org/paper/5a4f7c894f4560c3205978d9277d744a910560f6/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | TreeDecode 0.8 | TreeDecode 0.8 | A release of an experimental tree-to-tree transfer system implemented in Mercury. | Experimentální systém strojového překladu převádějící strom na strom. | [
"Ondřej Bojar",
"Miroslav Janíček"
] | https://www.semanticscholar.org/paper/ae0a736264b061c4e5265717957a1e19e44cce99/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Implementation of Tree Transfer System | Implementace systémů převod stromu na strom | A technical report for the project EuroMatrix describing our implementation of machine translation via a syntactic representation (synchronous tree-substituion grammars). | Technická zpráva pro projekt EuroMatrix popisující naši implementaci strojového překladu přes syntaktickou reprezentaci (synchronous tree-substituion grammars). | [
"Ondřej Bojar",
"Miroslav Janíček",
"Miroslav Týnovský"
] | https://www.semanticscholar.org/paper/6dbfc6a34c291df3dacf40eb24e2d806a3bd8a94/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | CzEng 0.7: Parallel Corpus with Community-Supplied Translations | CzEng 0.7: Paralelní korpus s překlady od komunity dobrovolníků | This paper describes CzEng 0.7, a new release of Czech-English parallel corpus freely available for research and educational purposes.
We provide basic statistics of the corpus and focus on data produced by a community of volunteers. Anonymous contributors manually
correct the output of a machine translation (MT) system, generating on average 2000 sentences a month, 70% of which are indeed correct
translations. We compare the utility of community-supplied and of professionally translated training data for a baseline English-to-Czech
MT system. | Článek popisuje nový česko-anglický paralelní korpus CzEng 0.7. Korpus je volně dostupný pro výzkumné a výukové účely. | [
"Ondřej Bojar",
"Miroslav Janíček",
"Zdeněk Žabokrtský",
"Pavel Češka",
"Peter Beňa"
] | https://www.semanticscholar.org/paper/e440479e5a27162ef3075f85c04b4c5de8533234/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | UMC 0.1 Czech-English-Russian | UMC 0.1, česko-anglicko-ruský korpus | Czech-Russian-English parallel corpus with automatic pairwise sentence alignments. | Česko-rusko-anglický korpus textů, po dvojicích jazyků zarovnán po větách. | [
"Ondřej Bojar",
"Natalia Klyueva"
] | https://www.semanticscholar.org/paper/8a03215f133c5f4034b029fc9e52b0aced1815bb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | PDTSL: An Annotated Resource For Speech Reconstruction | PDTSL: Anotovaný korpus pro rekonstrukci mluvené řeči | We present a description of a new resource (Prague Dependency
Treebank of Spoken Language) being created for English and Czech to be used for the task of speech understanding,broad natural language analysis for dialog systems and other speech-related tasks, including speech editing. The resources we have created so far contain audio and a standard transcription of spontaneous speech, but as a novel layer, we add an edited (“reconstructed”) version of the spoken tterances. | Tento článek popisuje vznik souboru korpusů v rámci rodiny Pražského závislostního korpusu, které obsahují mluvená data v češtině a v angličtině, a jejich ruční anotaci rekonstrukce mluvené řeši (speech reconstruction). | [
"Jan Hajič",
"Silvie Cinková",
"Marie Mikulová",
"Petr Pajas",
"Jan Ptáček",
"Josef Toman",
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/4dd1278dbe31942c98c06e2e2d5629adf72f483a/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | So-called Slavonic accusativus cum infinitivo constructions in Czech | České konstrukce tzv. slovanského akuzativu s infinitivem | The constructions „accusativus cum infinitivo“ with the verbs of perception are analyzed in Czech and in other Slavonic languages. The syntactic and semantic features of these Czech constructions and their relation to their respective paraphrases (expressed by subordinated clauses)are studied. The relation of grammatical coreference (obligatory with the AcI and only optional with the analyzed subordinated clauses) are used as arguments for the special position of the AcI within the underlying structure of the sentence. | Syntax a sémantika konstrukcí českého akuzativu s infinitivem je předmětem studia této stati, a to v porovnání s jinými slovanskými jazyky. Obligatornost koreference v těchto konstrukcích oproti její fakultativnosti ve vedlejších větách významově blízkých a jistá omezení na pořadí slov jsou chápány jako argumenty pro jejich samostanou hloubkovou reprezentaci. | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | The Nature of the Gradation of Adjectives (On non-comparative using of the gradated forms) | Povaha stupňování adjektiv (K "nesrovnávacímu" užití stupňovaných forem) | The status of the gradation of adjectives in the description of language is considered. The cases of the "abolute" comparative constructions are studied on the corpus data (lexicalization, stylistic effects, comparison with an average). The Czech situation is compared with Slovac and Russian comparative constructions. | Ve stati se zvažuje místo stupňování adjektiv v popisu jazyka. Zvláštní pozornost se věnuje tzv. "absolutnímu" užití komparativu, rozlišuje se lexikalizace, stylizace a porovnávání s průměrem. Podává se kontrastivní pohled na stupňování ve slovenštině a ruštině. | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Remarks on Slavonic Reflexives | Problémy se slovanským reflexivem | The difficulties of the analysis of Slavonic reflexive constructions are caused among other things also by the fact that se/si constructions in Slavonic languages cross the boundaries between lexicon, word-formation, morphology, and syntax.
The criteria, how to distinguish the class of reflexives tantum, derived reflexives, reciprocals, derived reciprocals, true reflexives and deagentive constructions, are proposed, and the difficuilties with the analysis of real data The Czech and Russian reflexives are compared only briefly. | Přestože reflexivní konstrukce jsou ve slavistice často zpracovávány, jednotná metodologická báze popisu chybí. Potíže spočívají v mnohofunkčnosti reflexivního zájmena/částice se/si a časté víceznačnosti. Ve stati se navrhují kritéria pro řazení jednotlivých typů do lexikonu, slovotvorby, morfologie a syntaxe. | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Czech Academic Corpus 2.0 | Český akademický korpus 2.0 | The Czech Academic Corpus version 2.0 (CAC 2.0) consists of 650,000 words from various 1970s and 1980s newspapers, magazines and radio and television broadcast transcripts manually annotated for morphology and syntax. | Český akademický korpus 2.0 (ČAK 2.0) sestává z 650 tisíc slovních forem z rozličných novinových článků, časopisů a přepisů rozhlasových či televizních pořadů ze 70. a 80. let dvacátého století, ručně anotovaných na morfologické a analytické rovině. | [
"Barbora Vidová Hladká",
"Jan Hajič",
"Jiří Hana",
"Jaroslava Hlaváčová",
"Jiří Mírovský",
"Jan Raab"
] | https://www.semanticscholar.org/paper/33afff75c27b75d623b9d7b96a32ea1774989e1a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | The Czech Academic Corpus 2.0 Guide | Průvodce Českým akademickým korpusem 2.0 | The CAC 2.0 Guide is a guide to the CD-ROM, just like the previous CAC 1.0 Guide. The contents of the Guide provide all the necessary information about the project; however the user does not need to be familiar with the CAC 1.0 Guide. The CAC 1.0 Guide can be referred to for the details of the CAC project’s history and its preparation details. Nevertheless, if you are already familiar with the CAC 1.0 Guide, navigating it will be easy, as we have maintained its chapters’ organisation into three main units.
The first unit, Chapter 2, describes the main characteristics of the Czech Academic Corpus 2.0, the structure of its annotations and the documentation of the partial steps of the syntactical annotations.
The second unit, Chapters 3 through 6, contain the CD-ROM information and the documentation of the data component, tools, bonus material and tutorials.
Chapters 8 and 9 form the third unit of the Guide. They cover the personal and financial aspects of the project. | Průvodce ČAK 2.0 je, podobně jako v případě ČAK 1.0, průvodce CD-ROM. Obsah průvodce je koncipován tak, že čtenář nemusí být předem seznámen s průvodcem ČAK 1.0, a přesto se o projektu dozví vše potřebné. Pokud ho budou zajímat podrobnosti historie projektu Českého akademického korpusu a podrobnosti přípravy první verze, může si samozřejmě průvodce ČAK 1.0 otevřít. Čtenář, který je s průvodcem ČAK 1.0 seznámen, se bude v předkládaném průvodci orientovat velmi snadno, protože jsme se v něm přidrželi stejného členění kapitol do třech tematických celků.
První celek, kapitola 2, podává základní charakteristiku Českého akademického korpusu 2.0, popisuje strukturu anotací v něm obsažených a dokumentuje dílčí kroky spojené se syntaktickými anotacemi.
Druhý celek, kapitoly 3 až 6, se věnuje samotnému CD-ROM, tj. jeho datové komponentě, nástrojům, bonusům a tutoriálům.
Kapitoly 8 a 9 jakožto třetí celek věnují pozornost personálnímu a finančnímu zabezpečení projektu. | [
"Barbora Vidová Hladká",
"Jan Hajič",
"Jiří Hana",
"Jaroslava Hlaváčová",
"Jiří Mírovský",
"Jan Raab"
] | https://www.semanticscholar.org/paper/33afff75c27b75d623b9d7b96a32ea1774989e1a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Tree Aligner 0.8, Java implementation | Tree Aligner 0.8, implementace v Javě | Tree Aligner is an experimental implementation to extract treelet-to-treelet translation dictionary from a parallel treebank. This is the Java version. | Tree Aligner je experimentální systém pro získání slovníku převádějícího mezi sebou závislostní struktury částí vět. Toto je implementace v Javě. | [
"Martin Čmejrek",
"Miroslav Týnovský",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/7224c75f9f371aaaa57ecd11ee8de50275b2a50f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | TectoMT, Developer's Guide | TectoMT, příručka vývojáře | TectoMT is a highly modular software system for developing NLP applications. This guide gives a detailed overview of the system's architecture, including the API description. | TectoMT je modulární softwarový systém pro vývoj aplikací pro zpracování přirozeného jazyka. Tento průvodce popisu architekturu systému, včetně aplikačního rozhraní pro práci se strukturovanými lingvistickými daty. | [
"Zdeněk Žabokrtský",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/8dd327acfc9b3c98a8ae1a601d3f581ba9c3a7d1/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | TectoMT: Highly Modular MT System with Tectogrammatics Used as Transfer Layer | TectoMT: Vysoce modulární systém pro strojový překlad používající tektogramatiku jako rovinu transferu | We present a new English to Czech machine translation system combining linguistically motivated layers of language description (as defined in the Prague Dependency Treebank annotation scenario) with statistical NLP approaches. | Představujeme nový systém strojového překladu z angličtiny do češtiny spojující lingvisticky motivované vrstvy jazykového popisu (jak jsou definovány v anotačním schématu Pražského závislostního korpusu) s prvky statistických metod počítačového zpracování jazyka. | [
"Zdeněk Žabokrtský",
"Jan Ptáček",
"Petr Pajas"
] | https://www.semanticscholar.org/paper/1914749c181b7d8cd468f6e580ba532ad077de1e/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | The ideas of the classical Prague Linguistic Circle are still stimulating | Ideje Pražského lingvistického kroužku jsou i dnes aktuální | The main methodological insights of the Prague School are analyzed. It is shown that the ideas are still valid. | Rozbírají se hlavní metodologické zásady Pražské lingvistické školy. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | What kind of Czech do we have and how do we treat it? Do we need correct, prescribed or standard Czech? | Jakou češtinu máme, a jak se k ní chováme? Potřebujeme češtinu správnou, spisovnou, nebo standardní? | Concepts such as correctness, literary norm, or standard are examined; the last term is to be preferred. | Probírají se pojmy jako spisovnost a standard a ukazuje se užitečnost toho druhého i nevhodnost prvního. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Easter and its lexical association | Velikonoce a jejich lexikální příslušenství | Lexical items concerning Easter are characterized as for different aspects of their origin and structure. | Probírají se lexikální jednotky týkající se Velikonoc z hledsika jejich původu i slovotvorných aspektů. | [
"Petr Sgall"
] | https://www.semanticscholar.org/paper/e16447897d3feb3af29da874c1504ca691187fbd/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Verifying linguistic theory with computer corpora | Ověřování lingvistické teorie nad počítačovým korpusem | The building up and annotation of text corpora (both written and spoken) has become one of the urgent topics in present-day linguistics; the creation of the Czech National Corpus and the morphologically and syntactically annotated Prague Dependency Treebank documents that the Prague Linguistic School has not only kept contact with the recent trends of linguistic studies in the world, but in some aspects, it even sets an example. In the present contribution, several linguistic phenomena are selected to illustrate how a systematically designed and carefully implemented deep-level annotation of a large corpus of Czech texts may serve to verify linguistic theory. The theory underlying the annotation is that of Functional Generative Description (FGD) designed by Petr Sgall in the early 1960s as an original alternative to Chomskyan transformational grammar and developed since then by a group of Praguian theoretical and computational linguists at Charles University. | Rozbor některých lingvistických hypotéz, které je možné ověřovat nad anotovaným textovým korpusem. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/0ead1ce2dde5f75b2d1d75aeddfff8b237d871f9/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | The Role of the Prague Linguistic Circle in the Development and Perspectives of Czech Linguistics (Introduction to the special double issue of SaS) | Úloha Pražského lingvistického kroužku při vývoji i ve vyhlídkách české jazykovědy | Introductory talk at a workshop marking the anniversary of the Prague Linguistics Circle, where the main contributions of the members of this linguistic school are summarized. | Úvodní přednáška na semináři k výročí PLK, v němž jsou shrnuty hlavní příspěvky členů této lingvistické školy. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | What we are talking about and what we are saying about it | O čem mluvíme a co o tom říkáme. | In view of the relationships between theoretical, computational and corpus linguistics, their mutual contributions are discussed and illustrated on the issue of the aspect of language related to the information structure of the sentence, distinguishing ”what we are talking about” and ”what we are saying about it”. | V pozvané přednášce byly analyzovány vztahy mezi teoretickou, počítačovou a korpusovou lingvistikou a vzájemného podílu každého z těchto odvětví; obecné závěry byly podloženy rozborem některých jazykových jevů spjatých především s komunikativní funkcí jazyka a bylo ukázáno, jak se v jazykové formě odráží dichotomie „o čem se mluví“ a „co se o tom říká“. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/5d03b7a245fa2134363c66baae9f3a320a483755/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | What does sentence annotation say about discourse? | Co napovídá anotace věty o diskurzu | The aim of the contribution is to document, on the example of the annotation of sentences on an underlying syntactic layer including Topic-Focus Articulation and enriched by an establishment of basic coreference links in the Prague Dependency Treebank, which aspects of the discourse structure can be discovered and elucidated. | Cílem příspěvku je vyhodnotit, které aspekty struktury diskurzu v textech mohou být odhaleny a zároveň objasněny. Analýza je provedena na větách z Pražského závislostního korpusu, které jsou anotovány na podkladové rovině, včetně anotace aktuálního členění a koreference. | [
"Eva Hajičová",
"Barbora Vidová Hladká"
] | https://www.semanticscholar.org/paper/d1eccd9ac0b0dff6cd94f8bc609a812551198742/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Coreferential relations in the Prague Dependency Treebank | Koreferenční vztahy v Pražském závislostním korpusu | In the annotation of text corpora it is essential to pass over from the annotation of sentence structure to an annotation of discourse relations. | Při anotování Pražského závislostního korpusu se přechází od věty k textu a tedy i k anotaci koreferenčních vztahů. | [
"Eva Hajičová",
"Lucie Kučová"
] | https://www.semanticscholar.org/paper/0aa1f290918808a90b074a9aa936b47c56904ec2/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | PML Tree Query 0.5alpha | Vyhledávání ve stromech v PML | PML-TQ is a search system for linguistic TreeBanks in PML format. The system defines a powerfull query language, uses a client server architecture (with SQL database backend on the server side) and provides a command-line and a simple web-based search client. The system also includes a graphical client for PML-TQ and client-side PML-TQ search engine, allowing the users to use PML-TQ queries on their local data. The GUI and client-side search engine are distributed separately as extensions to the tree editor TrEd. | PML-TQ je systém pro vyhledávání nad lingvisticky anotovanými korpusy závislostních či složkových stromů ve formátu PML. Systém definuje velmi silný dotazovací jazyk. Je implementován pomocí client-server architektury, s použitím SQL databáze na straně serveru a zahrnuje webové a CLI rozhraní a grafické rozhraní zabudované do editoru TrEd. Jako rozsíření TrEdu je dále dostupný čistě klientský vyhledávací systém nad stejným dotazovacím jazykem, umožňující prohledávat lokální soubory. | [
"Petr Pajas",
"Jan Štěpánek"
] | https://www.semanticscholar.org/paper/28b0e0b0e17e797a44dde25c37bf0996e8dd7597/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Recent Advances in a Feature-Rich Framework for Treebank Annotation | Nedávné pokroky v multifunkčním systému pro anotaci treebanku | This paper presents recent advances in
an established treebank annotation framework comprising of an abstract XML-based data format, fully customizable editor of tree-based annotations, a toolkit for all kinds of automated data processing with support for cluster computing, and
a work-in-progress database-driven search
engine with a graphical user interface built
into the tree editor. | V tomto článku představujeme aktuální vývoj již zavedeného pracovního prostředí pro syntakticky anotované korpusy, sestávajícího z abstraktního datového formátu založeného na XML, plně přizpůsobitelného editoru stromových struktur, nástroje automatizované zpracování anotovaných dat s podporou výpočtu na počítačovém clusteru a prototyp relačního vyhledávácího systému s grafickým uživatelským rozhraním zabudovaným do editoru stromů. | [
"Petr Pajas",
"Jan Štěpánek"
] | https://www.semanticscholar.org/paper/b46a482f8785851e59b6dc86fb91c1c03c3aceba/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | A Machine Learning Approach to Multiword Expression Extraction | Extrakce víceslovných výrazů metodami strojového učení | This paper describes our participation in the MWE 2008 evaluation campaign focused on ranking MWE candidates. Our ranking system employed 55 association measures combined by standard statistical-classification methods modified to provide scores for ranking. Our results were crossvalidated and compared by Mean Average Precision. In most of the experiments we observed significant performance improvement achieved by methods combining multiple association measures. | Tento článek popisuje nasši účast v evaluační kampani MWE 2008 zaměřené na automatickou extrakci kolokací. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/7c645c5f466e1985f608a2997400ecc780dde8bf/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Frequency Data for Collocation Extraction: Czech Dependency Bigrams from the Prague Dependency Treebank | Frekvenční data pro extrakci kolokací: České závislostní bigramy z Pražského závislostního korpusu | Frequency characteristics of Czech collocation candidates extracted as dependecy bigrams from the Prague Dependency Treebank. | Frekvenční charakteristiky českých kolokačních kandidátů extrahovaných z Pražského závislostního korpusu jako závislostní bigramy. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/263b53b32ebfae0d5a95ac4c28b88011b35721ee/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Frequency Data for Collocation Extraction: Czech Surface Bigrams from the Czech National Corpus | Frekvenční data pro extrakci kolokací: České povrchové bigramy z Českého národního korpusu | Frequency characteristics of Czech collocation candidates extracted as surface bigrams from the Czech National Corpus. | Frekvenční charakteristiky českých kolokačních kandidátů extrahovaných z Českéno národního korpusu jako povrchové bigramy. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/263b53b32ebfae0d5a95ac4c28b88011b35721ee/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Frequency Data for Collocation Extraction: Czech Surface Bigrams from the Prague Dependency Treebank | Frekvenční data pro extrakci kolokací: České povrchové bigramy z Pražského závislostního korpusu | Frequency characteristics of Czech collocation candidates extracted as surface bigrams from the Prague Dependency Treebank. | Frekvenční charakteristiky českých kolokačních kandidátů extrahovaných z Pražského závislostního korpusu jako povrchové bigramy. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/263b53b32ebfae0d5a95ac4c28b88011b35721ee/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Lexical Association Measures: Collocation Extraction | Lexikalni asociacni miry: extrakce kolokaci | A PhD dissertation studying lexical association measures and their application for collocation extraction. | Disertace se zabývá studiem lexikálních asociačních měr aplikovaných v úloze automatické extrakce kolokací. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/38dd401877f3f69fd6e2ad6e0ad11e7132626011/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Reference Data for Collocation Extraction: Czech Dependency Bigrams from the Prague Dependency Treebank | Referenční data pro extrakci kolokací: České závislostní bigramy z Pražského závislostního korpusu | A reference set of collocation candidates extracted as dependency bigrams from the Prague Dependency Treebank and annotated as collocational or non-collocational. | Referenční množina kolokačních kandidátů extrahovaných z Pražského závislostního korpusu jako závislostní bigramy a anotovaných jako kolokace nebo nekolokace. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/f27bb90381a463deaab0ce0409b98549943ad337/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Reference Data for Collocation Extraction: Czech Surface Bigrams from the Czech National Corpus | Referenční data pro extrakci kolokací: České povrchové bigramy z Českého národního korpusu | A reference set of collocation candidates extracted as surface bigrams from the Czech National Corpus and annotated as collocational or non-collocational. | Referenční množina kolokačních kandidátů extrahovaných z Českého národního korpusu jako povrchové bigramy a anotovaných jako kolokace nebo nekolokace. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/38dd401877f3f69fd6e2ad6e0ad11e7132626011/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Reference Data for Collocation Extraction: Czech Surface Bigrams from the Prague Dependency Treebank | Referenční data pro extrakci kolokací: České povrchové bigramy z Pražského závislostního korpusu | A reference set of collocation candidates extracted as surface bigrams from the Prague Depedency Treebank and annotated as collocational or non-collocational. | Referenční množina kolokačních kandidátů extrahovaných z Pražského závislostního korpusu jako povrchové bigramy a anotovaných jako kolokace nebo nekolokace. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/f27bb90381a463deaab0ce0409b98549943ad337/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Reference Data for Czech Collocation Extraction | Referenční data pro extrakci českých kolokací | We introduce three reference data sets provided for the MWE 2008 evaluation campaign focused on ranking MWE candidates. The data sets comprise bigrams extracted from the Prague Dependency Treebank and the Czech National Corpus. The extracted bigrams are
annotated as collocational and non-collocational and provided with corpus frequency information. | Popis tří referenčních datových množin použitých v rámci evaluační kampaně MWE 2008 zaměřené na extrakci kolokací. | [
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/263b53b32ebfae0d5a95ac4c28b88011b35721ee/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Overview of the CLEF-2007 Cross-Language Speech Retrieval Track | Souhrn výsledků evaluace CLSR v rámci CLEF 2007 | The CLEF-2007 Cross-Language Speech Retrieval (CL-SR) track included two tasks: to identify topically coherent segments of English interviews in a known-boundary condition, and to identify time stamps marking the beginning of topically relevant passages in Czech interviews in an unknown-boundary condition. Six teams participated in the English evaluation, performing both monolingual and cross-language searches of ASR transcripts, automatically generated metadata, and manually generated metadata. Four teams participated in the Czech evaluation, performing monolingual searches of automatic speech recognition transcripts. | Přehled výsledků Cross-Language Speech Retrieval Track organizované v rámci evaluační kampaně CLEF 2007. | [
"Pavel Pecina",
"Petra Hoffmannová",
"Gareth J.F. Jones",
"Jianqiang Wang",
"Douglas W. Oard"
] | https://www.semanticscholar.org/paper/676de125f0a6b487bdc10bc59c4fd4b48b3375b3/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Diathesis and Transformations of Surface Expressions of Valency Arguments | Diateze a transformace valenčních doplnění | As an important part of the Prague Dependency Treebank project a valency lexicon is being distributed. In this lexicon, more than 5300 verb entries are fully formally represented, with more than 8200 valency frames for verb senses included. Moreover, the valency frames are interlinked with the Prague Dependency Treebank corpus, effectively providing a verb sense distinction and annotation for every occurrence of a verb in the corpus. More than 100,000 verb occurrences are annotated in this way. The valency frame representation is fully formalized. In this contribution, we will concentrate on the formal description of the form of the verb | Důležitou součástí Pražského závislostního korpusu je valenční slovník. Slovník obsahuje 5300 sloves s 8200 valenčními rámci, které jsou propojeny s korpusem. Reprezentace valenčního rámce je plně formalizována. Tento příspěvek je orientován na formální popis forem, kterých nabývají argumenty sloves v různých sekundárních diatezích, jako je například pasivizace (pasivum opisné a zvratné), rezultativ (sloveso mít, dostat), dispoziční modalita. Článek detailně popisuje fungování jednotlivých transformačních pravidel pro příslušné změny forem. | [
"Zdeňka Urešová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Dialogy.Org 0.2 | Dialogy.Org 0.2 | A web portal allowing editing and searching in the transcripts of audio-visual recordings of dialogues. The dynamic web application provides access for registered users to the digitised archive. Playing selected parts is possible in the web browser. | Webový portál umožňující editaci a vyhledávání v přepisech audio-visuálních nahrávek dialogů. | [
"Nino Peterek"
] | https://www.semanticscholar.org/paper/f655ad5dd93adb5b26033c4c1f0e48b4ac69f536/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Does Netgraph Fit Prague Dependency Treebank? | Hodí se Netgraph pro Pražský závislostní korpus? | On many examples we present a query language of Netgraph - a fully graphical tool for searching in the Prague Dependency Treebank 2.0. To demonstrate that the query language fits the treebank well, we study an annotation manual for the most complex layer of the treebank - the tectogrammatical layer - and show that linguistic phenomena annotated on the layer can be searched for using the query language. | Na řadě příkladů představujeme dotazovací jazyk Netgraphu - plně grafického
nástroje pro vyhledávání v Pražském závislostním korpusu 2.0. Abychom
ukázali, že dotazovací jazyk je pro tento korpus vhodný, studujeme anotační
manuál nejsložitější - tektogramatické - roviny korpusu a dokládáme, že
pomocí tohoto jazyka je možno vyhledávat lingvistické jevy anotované na této
rovině. | [
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/046fdab347ee10cb232aa2d3081ded25d86583cc/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Netgraph - Making Searching in Treebanks Easy | Netgraph - jak snadno vyhledávat v korpusech | Searching in a linguistically annotated treebank is a principal task that requires a sophisticated tool. Netgraph has been designed to perform the searching with maximum comfort and minimum requirements on its users. Although it has been developed primarily for the Prague Dependency Treebank 2.0, it can be used with other treebanks too, both dependency and constituent-structure types, as long as the treebank is transformed to a suitable format.
In this paper, we present Netgraph query language and on many examples show how it can be used to search for frequent linguistic phenomena. | Vyhledávání v lingvisticky anotovaných korpusech je důležitý úkol, vyžadující pokročilý nástroj. Netgraph byl navržen tak, aby vyhledávání bylo co nejpohodlnější, s minimem požadavků na uživatele. Ačkoliv byl vyvinut především pro Pražský závislostní korpus 2.0, může být použit také na jiné korpusy, a to jak závislostní, tak složkové, poté co je korpus převeden do vhodného formátu. V článku představujeme dotazovací jazyk Netgraphu a na mnoha příkladech ukazujeme, jak může být použit k vyhledávání běžných lingvistických jevů. | [
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/e10b2adf8f428101e1fc2975c3bf7dcfe63f7b2b/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Netgraph 1.95 - a tool for searching in PDT 2.0 | Netgraph 1.95 - nástroj pro vyhledávání v PDT 2.0 | Netgraph is a client-server application for searching in linguistically annotated treebanks, developed primarily for searching in the Prague Dependency Treebank 2.0. Nevertheless, Netgraph can work with other corpora too, as long as they are converted to FS format.
This supposedly last version of Netgraph concludes years of development and allows searching and studying all phenomena annotated in PDT 2.0 using a simple and intuitive, graphically oriented query language. | Netgraph je aplikace typu klient-server pro vyhledávání v lingvisticky anotovaných korpusech, vyvinutá primárně pro vyhledávání v Pražském závislostním korpusu 2.0. Nicméně, Netgraph lze použít s dalšími korpusy, pokud jsou převedeny do formátu FS.
Tato zřejmě konečná verze Netgraphu je vyvrcholením dlouholetého vývoje a její pomocí lze vyhledávat a studovat všechny jevy anotované v PDT 2.0 s použitím jednoduchého a intuitivního graficky orientovaného dotazovacího jazyka. | [
"Jiří Mírovský"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Netgraph Query Language for the Prague Dependency Treebank 2.0 | Dotazovací jazyk Netgraph pro Pražský závislostní korpus 2.0 | In the article, we study the annotation of the Prague Dependency Treebank 2.0 and assemble a list of requirements on a query language that would allow searching for and studying all linguistic phenomena annotated in the treebank. We propose an extension to the query language of the existing search tool Netgraph 1.0 and show that the extended query language satisfies the list of requirements. | V článku studujeme anotaci Pražského závislostního korpusu 2.0 a sestavujeme seznam požadavků na dotazovací jazyk, který by umožnil vyhledávat a studovat všechny lingvistické jevy anotované v tomto korpusu. Navrhujeme rozšíření dotazovacího jazyka existujícího nástroje Netgraph 1.0 a ukazujeme, že tento rozšířený dotazovací jazyk splňuje všechny jmenované požadavky. | [
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/6fb171e0266db1355d17574c373cf7fb0a428046/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | PDT 2.0 Requirements on a Query Language | Požadavky PDT 2.0 na dotazovací jazyk | Linguistically annotated treebanks play an essential part in the modern computational linguistics. The more complex the treebanks become, the more sophisticated tools are required for using them, namely for searching in the data. We study linguistic phenomena annotated in the Prague Dependency Treebank 2.0 and create a list of requirements these phenomena set on a search tool, especially on its query language. | Lingvisticky anotované korpusy hrají zásadní roli v moderní počítačové lingvistice. Čím složitějšími se korpusy stávají, tím pokročilejší nástroje jsou potřeba pro jejich používání, zejména pro vyhledávání v těchto datech.
Zabýváme se lingvistickými jevy anotovanými v Pražském závislostním korpusu 2.0 a vytváříme seznam požadavků, které tyto jevy staví pro vyhledávací nástroj, obzvláště pro jeho dotazovací jazyk. | [
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/10118d2c82db3d488efe8f64e0485537816543eb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Towards a Simple and Full-Featured Treebank Query Language | Vytváření jednoduchého a silného dotazovacího jazyka pro korpusy | Netgraph query language is a query system for linguistically annotated treebanks that aims to be sufficiently powerful for linguistic needs and yet simple enough for not requiring any programming or mathematical skill from its users. We provide an introduction to the system along with a set of examples how to search for some frequent linguistic phenomena. We also offer a comparison to the querying power of TGrep – a traditional and well known treebank query system. | Dotazovací jazyk Netgraphu je dotazovací systém pro lingvisticky anotované korpusy, který se snaží být dostatečně silný pro lingvistické potřeby, ale zároveň chce být tak jednoduchý, aby nevyžadoval programátorské či matematické dovednosti od svých uživatelů. Poskytujeme úvod do tohoto systému a ukazujeme na příkladech, jak vyhledávat některé časté lingvistické jevy. Nabízíme rovněž srovníní dotazovací síly Netgraphu a TGrepu - tradičního a dobře známého dotazovacího systému pro strukturované korpusy. | [
"Jiří Mírovský"
] | https://www.semanticscholar.org/paper/69f5a2278da3a95186c2cf23f2f621fc17f1e947/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Learning to Search in the Prague Dependency Treebank | Jak vyhledávat v Pražském závislostním korpusu | We present Netgraph – an easy to use tool for searching in linguistically annotated treebanks. On several examples from the Prague Dependency Treebank we introduce the features of the searching language and show how to search for some frequent linguistic phenomena. | Představujeme Netgraph - snadno použitelný nástroj pro vyhledávání v lingvisticky anotovaných korpusech. Na několika příkladech z Pražského závislostního korpusu ukazujeme vlastnosti vyhledávacího jazyka a ukazujeme rovněž, jak vyhledávat některé běžné lingvistické jevy. | [
"Jiří Mírovský",
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/ce7fc83c0ffa24b4c3d5ba0eeb4b61f8a519237b/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | ElixirFM | ElixirFM | ElixirFM is a high-level implementation of Functional Arabic Morphology documented at http://elixir-fm.wiki.sourceforge.net/. The core of ElixirFM is written in Haskell, while interfaces in Perl support lexicon editing and other interactions. | ElixirFM je vysokoúrovňová implementace Funkční arabské morfologie zdokumentovaná na http://elixir-fm.wiki.sourceforge.net/. Jádro ElixirFM je napsáno v Haskellu, zatímco rozhraní v Perlu podporuje údržbu slovníku a další interakce. | [
"Otakar Smrž",
"Viktor Bielický"
] | https://www.semanticscholar.org/paper/589e3f5c07a050079e731928854dfb0176eb6968/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Prague Arabic Dependency Treebank: A Word on the Million Words | Pražský arabský závislostní korpus: Slovo o milionu slov | Prague Arabic Dependency Treebank (PADT) consists of refined multi-level linguistic annotations over the language of Modern Written
Arabic. The kind of morphological and syntactic information comprised in PADT differs considerably from that of the Penn Arabic
Treebank (PATB). This paper overviews the character of PADT and its motivations, and reports on converting and enhancing the PATB
data in order to be included into PADT. The merged, rule-checked and revised annotations, which amount to over one million words, as
well as the open-source computational tools developed in the project are considered for publication this year. | Pražský arabský závislostní korpus (PADT) sestává z rozpracovaných víceúrovňových lingvistických anotací moderní psané arabštiny. Druhem obsažených morfologických a syntaktických informací se PADT zřetelně odlišuje od Penn Arabic Treebanku (PATB). | [
"Otakar Smrž",
"Viktor Bielický",
"Iveta Kouřilová",
"Jakub Kráčmar",
"Jan Hajič",
"Petr Zemánek"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Reusable Tagset Conversion Using Tagset Drivers | Opakovaně použitelný převod sady morfologických značek s využitím morfologických ovladačů | Part-of-speech or morphological tags are important means of annotation in a vast number of corpora. However, different sets of tags are used in different corpora, even for the same language. Tagset conversion is difficult, and solutions tend to be tailored to a particular pair of tagsets. We propose a universal approach that makes the conversion tools reusable. We also provide an indirect evaluation in the context of a parsing task. | Morfologické značky jsou důležitou součástí anotace většiny korpusů. Bohužel se však v různých korpusech používají různé sady značek, a to i pokud jde o tentýž jazyk. Převody značek z jedné sady do druhé jsou obtížné a jejich implementace je obvykle ušitá na míru konkrétní dvojici sad značek. Zde naproti tomu navrhujeme univerzální přístup, který umožňuje jednou investované úsilí využít při pozdějších převodech do jiných formalismů. Prezentujeme také nepřímé vyhodnocení v kontextu syntaktické analýzy. | [
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/a43f0fd5fec3df14c395cec3abb331efe116c57f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Unsupervised Acquiring of Morphological Paradigms from Tokenized Text | Neřízené získávání morfologických vzorů z tokenizovaného textu | This paper describes a rather simplistic method of unsupervised morphological analysis of words in an unknown language. All what is needed is a raw text corpus in the given language. The algorithm looks at words, identifies repeatedly occurring stems and suffixes, and constructs probable morphological paradigms. The paper also describes how this method has been applied to solve the Morpho Challenge 2007 task, and gives the Morpho Challenge results. Although the present work was originally a student project without any connection or even knowledge of related work, its simple approach outperformed, to our surprise, several others in most morpheme segmentation subcompetitions. We believe that there is enough room for improvements that can put the results even higher. Errors are discussed in the paper; together with suggested adjustments in future research. | Tento článek popisuje jednoduchou metodu neřízené morfologické analýzy neznámého jazyka. Potřeba je pouze prostý textový korpus daného jazyka. Algoritmus se dívá na slova, rozpozná opakovaně se vyskytující kmeny a přípony a sestaví pravděpodobné morfologické vzory. Článek také popisuje způsob, jak byla tato metoda využita při řešení úlohy Morpho Challenge 2007, a prezentuje výsledky Morpho Challenge. Přestože tato práce byla původně studentským projektem bez návaznosti na obdobný výzkum ve světě, k našemu překvapení tento jednoduchý přístup překonal několik dalších algoritmů v podsoutěži segmentace slov. Věříme, že v metodě je dostatečný prostor pro zlepšení, který může výsledky dále zlepšit. V článku jsou rozebrány chyby a navržena budoucí rozšíření. | [
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/e87740899844af47f5156522fd96a585621c866c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Using Unsupervised Paradigm Acquisition for Prefixes | Neřízené získávání morfologických vzorů použité pro předpony | We describe a simple method of unsupervised morpheme segmentation of words in an unknown language. All what is needed is a raw text corpus (or a list of words) in the given language. The algorithm identifies word parts occurring in many words and interprets them as morpheme candidates (prefixes, stems and suffixes). New treatment of prefixes is the main innovation over Zeman (2007). After filtering out spurious hypotheses, the list of morphemes is applied to segment input words. Official Morpho Challenge 2008 evaluation is given along with some additional experiments evaluated unofficially. We also analyze and discuss errors with respect to the evaluation method. | Popisujeme jednoduchou metodu neřízené morfematické segmentace slov v neznámém jazyce. K tomu potřebujeme pouze korpus prostého textu (nebo seznam slov) v daném jazyce. Algoritmus rozpozná části slov, které se vyskytují v mnoha slovech, a interpretuje je jako kandidáty na morfémy (předpony, kmeny a přípony). Hlavní novinkou oproti Zeman (2007) je nové zpracování předpon. Po odfiltrování scestných hypotéz se seznam morfémů použije k segmentaci slov na vstupu. Uvádíme oficiální vyhodnocení Morpho Challenge 2008 a také dodatečné pokusy, které jsme vyhodnotili neoficiálně. Součástí práce je detailní rozbor chyb s ohledem na použitou vyhodnocovací metodu. | [
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/5edd81bb9c4548b6db8264222e0f43452cad8530/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Cross-Language Parser Adaptation between Related Languages | Adaptace parseru mezi příbuznými jazyky | The present paper describes an approach to adapting a parser to a new language. Presumably the target language is much poorer in linguistic resources than the source language. The technique has been tested on two European languages due to test data availability; however, it is easily applicable to any pair of related languages, including some of the Indic language group. Within our experimental setting, we were able to reduce the error rate by 34 %. | Článek popisuje metodu adaptace parseru na nový jazyk. Předpokládá se, že pro cílový jazyk je k dispozici mnohem méně lingvistických zdrojů než pro zdrojový jazyk. Postup byl kvůli dostupnosti testovacích dat testován na dvou evropských jazycích; je však snadno aplikovatelný na libovolné dva příbuzné jazyky, včetně některých indoárijských. V rámci našich pokusů jsme dokázali snížit chybovost o 34 %. | [
"Daniel Zeman",
"Philip Resnik"
] | https://www.semanticscholar.org/paper/c136869e701f5e46f9736d09b57a225f1fdc0596/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | An Annotated Corpus Outside Its Original Context: A Corpus-Based Exercise Book | Anotovaný korpus mimo svůj původní kontext: cvičebnice založená na korpusu | We present the STYX system, which is designed as an electronic corpus-based exercise book of Czech morphology and syntax with sentences directly selected from the Prague Dependency Treebank, the largest annotated corpus of the Czech language. The exercise book offers complex sentence processing with respect to both morphologigal and syntactic phenomena, i. e. the exercises allow studens of basic and secondary schools to practice classifying parts of speech and particular morphological categories of words and in the parsing of sentences and classifying the syntactic functions of words. The corpus-based exercise book presents a novel usage of annotated corpora outside their original context. | Představujeme systém STYX, který je navržen jako elektronická civčebnice českého tvarosloví a české syntaxe.
Téměř 12 000 cvičebnicových příkladů je vybráno z Pražského závislostního korpusu, nejrozsáhlejšího anotovaného korpusu češtiny. Cvičebnice nabízí komplexní zpracování věty z pohledu morfologických a syntaktických jevů, které pokrývají učební látku středních škol a vyšších tříd základních škol.
Využití anotovaných korpusů mimo jejich "domácí prostředí", např. v hodinách českého jazyka, je originální napříč bohatou škálou jazyků, pro které anotované korpusy existují. | [
"Barbora Hladká",
"Ondřej Kučera"
] | https://www.semanticscholar.org/paper/6b952f419a89510337b5feb51bf41f01d1c5382a/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Prague Dependency Treebank: Specification of meanings of spatial modifications | Pražský závislostní korpus: Specifikace významů prostorových určení | The article will briefly introduce the Prague Dependency Treebank. In this treebank written Czech sentences are annotated on three layers: morphological layer (morphological categories), analytical layer (surface structure) and the tectogrammatical layer (deep structure). We focus on how sentences are represented on the tectogrammatical layer. Main aim of this article is to suggest a detailed specification of meanings of spatial modifications for annotation on this layer. This detailed specification of meanings of modifications represents necessary information for the translation from one language to another. | Významy adverbiálních určení (času, místa, způsobu apod.) jsou v syntaktických příručkách propracovány do různé hloubky, s větší či menší přesností vymezení jejich jednotlivých významů. Určeny jsou intuitivně na základě omezeného množství příkladů. I pro tektogramatickou anotaci Pražského závislostního korpusu byl nejprve empiricky stanoven soubor významů adverbiálních určení – označovaných jako funktory. Podle navrženého souboru funktorů pak byla anotována data. V současné době probíhá vyhodnocování této anotace: oanotovaná data poskytují velké množství příkladů, na jejichž základě jsou významy funktorů precizněji definovány a jemněji tříděny na tzv. subfunktory. Výsledkem bude na korpusovém materiálu založený, ucelený popis významů a podvýznamů adverbiálních určení. V tomto příspěvku představíme funktory a subfunktory pro prostorová adverbiální určení. | [
"Marie Mikulová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Speech Reconstruction of Spoken Czech. Annotation manual | Rekonstrukce standardizovaného textu z mluvené řeči v Pražském závislostním korpusu mluvené češtiny. Manuál pro anotátory | This document is primarily meant to serve as a manual for human annotators of spoken data of The Prague Dependency Treebank of Spoken Czech (PDTSC). | Dokument obsahuje pravidla pro manuální anotaci, kterou je třeba provést při budování
závislostního korpusu mluveného jazyka. Tato anotace spočívá v tzv. rekonstrukci
standardizovaného textu z mluvené řeči, tj. původní segmenty mluvené řeči, mnohdy velmi
vzdálené gramaticky správným větám, se zde popsaným způsobem převádí do takové
„standardizované” podoby, na kterou již je možné uplatnit další anotační pravidla (přidávající
zejména informaci o syntaktické struktuře věty).
Anotační manuál je určen anotátorům Pražského závislostního korpusu mluvené češtiny, ale
lze jej chápat jako obecný návod pro podobně pojatou anotaci kteréhokoli jazyka. | [
"Marie Mikulová"
] | https://www.semanticscholar.org/paper/4dd1278dbe31942c98c06e2e2d5629adf72f483a/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Speech reconstruction | Rekonstrukce standardizovaného textu z mluvené řeči | PDTSC aims to be the first spoken corpus including the syntactic annotation of speech. This corpus is based on the annotation of written language (PDT). | Příspěvek shrnuje dosavadní poznatky získané při budování Pražského závislostního
korpusu mluvené češtiny (Prague Dependency Treebank of Spoken Czech; dále PDTSC)
v Ústavu formální a aplikované lingvistiky MFF UK. PDTSC bude prvním korpusem
mluvené řeči, který nabídne i syntakticko-sémantickou anotaci promluv. Východiskem
projektu PDTSC je syntakticko-sémantická anotace korpusu psaných textů, která již byla
zpracována v projektu Pražského závislostního korpusu 2.0 (dále PDT). | [
"Marie Mikulová",
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/b11ab1821ce8347a7bae53003c7ade36dc7cf5bd/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Jarmila Panevová jubilant | K významnému životnímu jubileu Jarmily Panevové | Contribution in Chronicle of Slovo a slovesnost in honour of prof. Jarmila Panevova. | Příspěvek v Kronice Slova a slovesnosti k jubileu prof. Jarmily Panevové. | [
"Markéta Lopatková"
] | https://www.semanticscholar.org/paper/1440e249540974fba0f742f3bcaff5823720d2ae/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Valency and Its Formal Description. Selected Aspects in Development of Valency Lexicon | Valence a její formální popis. Vybrané aspekty budování slovníku VALLEX | The present work summarizes the results of building a lexical database of Czech verbs. It concentrates on three essential topics. The first of them is the formal representation of valency properties of Czech verbs in the valency lexicon. The logical organization of richly structured lexicon data is presented here. The second topic concerns new theoretical aspects that result from the extensive processing of language material, namely the concept of quasi-valency complementation and adequate processing of verb alternations. The third topic addresses questions of formal modeling of a natural language. A new formal model of dependency syntax based on a novel concept of restarting automata is introduced here. | V~tomto textu shrnujeme výsledky dosažené při vytváření lexikální databáze českých sloves. Práce se soustřeďuje na tři základní okruhy. Prvním okruhem je formální zachycení valenčních vlastností českých sloves ve valenčním slovníku. Je zde představena logická stavba bohatě strukturovaných slovníkových dat. Druhým okruhem,
kterému se práce věnuje, jsou nové teoretické aspekty, které přináší zpracování rozsáhlého jazykového materiálu -- je to především koncept kvazivalenčních doplnění a adekvátní zpracování
slovesných alternací. Třetí okruh tvoří
problematika formálního modelování přirozeného jazyka. Je zde představen nový formální model závislostní syntaxe založený na originálním konceptu restartovacích automatů. | [
"Markéta Lopatková"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Valency Lexicon of Czech Verbs | Valenční slovník českých sloves | Valency, that is "the number and character of places (arguments), which a verb (...) ties to itself" (Encyclopaedic Dictionary of Czech, Karlík et al., 2002), belongs among the linguistic phenomena, which interest linguists as well as experts concerned with automatic processing of natural languages. A good knowledge of valency is necessary for anybody who works with languages - teachers, editors, journalists, students. Valency also plays an important role in many tasks of automatic processing of natural languages, such as machine translation or information search. VALLEX, the valency dictionary of Czech verbs, provides information about the valency structure of Czech verbs with their individual meanings, which are characterised by notes and examples. It also presents possible morphematic forms for individual valency complements. These elementary data are complemented with some other characteristics, such as the possibility of their reciprocal use or the syntactic-semantic verb class. | Valence, tedy "počet a povaha míst (argumentů), které na sebe sloveso (-) váže" (Encyklopedický slovník češtiny, Karlík a kol., 2002), patří k jazykovým jevům, které vzbuzují zájem lingvistů, ale i odborníků zabývajících se automatickým zpracováním přirozených jazyků. Dobrá znalost valence je nezbytná pro každého, kdo pracuje s jazykem - pro učitele, redaktory, novináře, studenty. Valence zároveň hraje klíčovou roli při mnoha úlohách automatického zpracování přirozeného jazyka, jakými jsou např. strojový překlad či vyhledávání informací. Valenční slovník českých sloves VALLEX poskytuje informace o valenční struktuře českých sloves v jejich jednotlivých významech, které charakterizuje pomocí glos a příkladů. Pro jednotlivá valenční doplnění uvádí jejich možná morfematická vyjádření. Tyto základní údaje jsou doplněny o některé další charakteristiky, jako je možnost recipročního užití či syntakticko-sémantická třída slovesa. | [
"Markéta Lopatková",
"Zdeněk Žabokrtský",
"Václava Kettnerová"
] | https://www.semanticscholar.org/paper/16d02081ad4c5e38af4f8c880db78de31027c747/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Relation among Segments - Segmentation Schemas of Czech Sentences | Vztahy mezi segmenty – segmentační schémata českých vět | Syntactic analysis of natural language sentences, the basic requirement of many applied tasks, is a complex task, especially for languages with free word order. Natural solution, which reduces
complexity of the input sentences, can be a module in which they determined the structure of sentences before full synyactic analysis. We propose to use the concept of segments, easily recognizable sections sentences automatically. We introduce `segmentation schemata' that describe the relationship between the segments - in particular, super/subordination, coordination and aposition, and parenthesis.
In this article we present framework that allows to develop and test rules for automatically determining the segmentation schemes. We describe two basic experiments - experiment to obtain the segmentation patterns from trees from Prague Dependency Treebank amd segmentation experiment with the rules applied to plain text. Furthermore, we propose measures for evaluating segmentation rules. | Syntaktická analýza vět přirozeného jazyka, základní předpoklad mnoha aplikovaných úkolů, je složitá úloha, a to zejména pro jazyky s volným slovosledem. Přirozeným krokem, který snižuje
složitost vstupních vět, může být vytvoření modulu, ve kterém se určí struktura souvětí ještě před úplnou syntaktickou analýzou. Navrhujeme využít pojem segmentů, snadno automaticky rozpoznatelných úseků vět. Určujeme `segmentační
schémata' popisující vzájemné vztahy mezi segmenty -- zejména souřadná a apoziční spojení, podřadná spojení, případně vsuvky.
V tomto článku představujeme vývojový rámec, který umožňuje vyvíjet a testovat pravidla pro automatické určování segmentačních schémat. Popisujeme dva základní experimenty -- experiment se získáváním segmentačních schémat ze stromů Pražského závislostního korpusu a experiment se segmentačními pravidly aplikovanými na prostý text. Dále navrhujeme míry pro vyhodnocování úspěšnosti segmentačních pravidel. | [
"Markéta Lopatková",
"Tomáš Holan"
] | https://www.semanticscholar.org/paper/95922533fa2d6f5eddc00a35f75bc871544fc0f5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Functional Generative Description, Restarting Automata and Analysis by Reduction | Funkční generativní popis, restartovací automaty a redukční analýza | The paper presents the basic formal notions that allow for formalizing the notion of analysis by reduction for Functional Generative Description, FGD. We have outlined and exemplified the method of analysis by reduction and its application in processing dependencies and word order in a language with a high degree of free word order. Based on this experience, we have introduced the 4-level reduction system for FGD based on the notion of simple restarting automata. This new formal frame allows us to define formally the characteristic relation for FGD, which renders synonymy and ambiguity in the studied language. | Příspěvek prezentuje základní formální pojmy, které umožňují formalizovat redukční analýzu pro Funkční generativní popis češtiny. Ilustruje metodu redukční analýzy a její aplikaci na zpracování závislostí a slovosledu v jazyce s volným slovosledem. Zavádí 4-úrovňový redukční systém založený na pojmu jednoduchých restartovacích automatů. Tento nový rámec umožňuje formálně definovat charakteristickou relaci, a tedy zachytit synonymie a víceznačnost v studovaném jazyce. | [
"Markéta Lopatková",
"Martin Plátek",
"Petr Sgall"
] | https://www.semanticscholar.org/paper/29d3ef3718a4ae981594f5065b1920157d812991/ | null | null | null | null | null | null | null | null | null | null | null | null |