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 | 2008 | Modality in dependent content clauses with Czech verbs of communication with imperative features | Modalita v závislých obsahových klauzích po českých slovesech mluvení s imperativními rysy | This paper focuses on Czech verbs of communication with imperative features. One of their valency complementation corresponding to the participant 'Message' is morphematically realized as dependent content clause prototypically introduced by the conjunction 'aby' which may be replaced by the conjunction 'že' on certain conditions. We analyzed these conditions on the basis of corpus evidence. We conclude that this class of verbs of communication prefer either the modality of necessity, or possibility. On the other hand, the corpus material does not prove that these verbs are associated only with single modal meaning distinguished within the mentioned categories. | V tomto příssěvku se soustředíme na česká slovesa mluvení s imperativními rysy, která k sobě vážou valenční doplnění se sémantickou rolí informace. Toto může být morfematicky vyjádřeno jako závislá obsahová klauze. Dané klauze bývají prototypicky uvozeny spojkou aby. Spojka aby však může být za určitých podmínek nahrazena spojkou že. Tyto podmínky jsou pak předmětem naší analýzy založené na korpusovém materiálu. Korpusový materiál ukazuje, že daná slovesa vykazují tendenci vázat k sobě závislé obsahové klauze buď s modalitou nutnosti, nebo možnosti. | [
"Václava Benešová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Enhancing Czech Valency Lexicon with Semantic Information from FrameNet: The Case of Communication Verbs | Obohacení českého valenčního slovníku o sémantickou informaci z FrameNetu: Případ sloves mluvení | In this paper, we report on our attempt at assigning semantic
information from FrameNet to lexical units in VALLEX, a valency
lexicon of Czech verbs. We focus on the class of communication
verbs. We experiment with assigning FrameNet semantic frames to
lexical units for communication verbs. The second task consists in linking
their valency complementations with FrameNet frame elements. The
exact pairwise inter-annotator agreement reaches almost 69% on
the semantic frames and 84.6% on the frame elements. We propose
enhancing VALLEX with missing semantic information from FrameNet
based on exploitation of the semantic relation 'Inheritance'. | V tomto příspěvku popisujeme pokus o přiřazení sémantických informací z FrameNetu lexikálním jednotkám z VALLEXu, valenčního slovníku českých sloves. Popisujeme experiment s přiřazením sémantických rámců lexikálním jednotkám sloves mluvení. Další část experimentu spočívá v provázání valenčních doplnění daných sloves s elementy sémantických rámců Z FrameNetu. Mezianotátorská shoda týkající se přiřazení sémantických rámců dosáhla téměř 69%. Shody 84.6% dosáhli anotátoři při přiřazení jednotlivých elementů sémantických rámců valenčním doplněním. Na závěr navrhujeme při obohacení VALLEXu o chybějící sémantické informace z FrameNetu využít sémantického vztahu dědičnosti. | [
"Václava Benešová",
"Markéta Lopatková",
"Klára Hrstková"
] | https://www.semanticscholar.org/paper/8ff2a06b6df4c6c317ae0033dff8c0d73af1fec5/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Morphological variants and corpus annotation | Pravopisné varianty a morfologická anotace korpusů | The paper presents „Golden Rule of Morphology” that requires different morphological tags for different wordforms. This requirement is not fulfilled in recent morphological systems of Czech, mainly due to inconsistent treatment of different types of morphological and orthographic variants. We define two major types of variants, namely inflectional variants, that concern only some combinations of morphological categories, and global variants that affect all wordforms of a given lemma. We propose how to tag the variants in order that they belonged to the same lemma, but were still distinguishable. | Zavádíme "Zlaté pravidlo morfologie", které vyžaduje odlišný morfologický popis každého slovního tvaru. V současných morfologických systémech češtiny toto pravidlo nebývá splněno, především kvůli nekonzistentnímu popisu různých typů morfologických a ortografických variant. Definujeme dvě hlavní typy variant - globální a flektivní. | [
"Jaroslava Hlaváčová"
] | https://www.semanticscholar.org/paper/faf24e3c6da9dbb5829ab6f9f2061a0055a702ac/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | “Affisix” Tool for Prefix Recognition | Affisix: Nástroj pro rozpoznávání předpon | In the paper, we present a software tool Affisix for automatic recognition of prefixes. On the basis of an extensive list of words in a language, it determines the segments - candidates for prefixes. There are two methods implemented for the recognition - the entropy method and the squares method. We briefly describe the methods, propose their improvements and present
the results of experiments with Czech. | Prezentujeme nástroj Affisix pro automatické rozpoznávání předpon. Na základě rozsáhlého seznamu slov určujeme řetězce - kandidáty na předpony. V nástroji jsou implementovány dvě metody - metoda entropie a metoda čtverců. | [
"Jaroslava Hlaváčová",
"Michal Hrušecký"
] | https://www.semanticscholar.org/paper/7dde02b55955a2d23f295c992a01458ee837be19/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | A New Approach to the Morphology of Czech | Morfologie češtiny znovu a lépe | New system of automatic morphology of Czech is based on the existing Prague system. New features are mainly recognition of OOV prefixed words and a heuristics about foreign names. | Nový systém morfologie, který zde prezentujeme, vychází ze současného pražského systému. Kromě nové implementace stávajícího slovníku pomocí konečného automatu přidává algoritmy na rozpoznání neznámých tvarů. V současné fázi je to především využití seznamu předpon, které lidé připojují bez větších omezení ke slovům a činí je tak pro automatické metody nerozpoznatelnými. Stačí předponu rozpoznat, odtrhnout a analyzovat zbylý řetězec. Výsledky této analýzy lze pak jednoduše aplikovat na původní tvar s předponou. K rozpoznání neznámých vlastních jmen používáme heuristiku. V příspěvku stručně popíšeme stávající pražský systém a použitý zárodek guessru. | [
"Jaroslava Hlaváčová",
"David Kolovratník"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Variants and Homographs: Eternal Problem of Dictionary Makers | Varianty a homonyma: věčný problém tvůrců slovníků | We discuss two types of asymmetry between wordforms and their (morphological) characteristics, namely (morphological) variants
and homographs. We introduce a concept of multiple lemma that allows for unique identification of wordform variants as well as
`morphologically-based' identification of homographic lexemes. The deeper insight into these concepts allows further refining of morphological dictionaries and subsequently better performance of any NLP tasks. | Zabýváme se dvěma typy asymetrie mezi slovními tvary a jejich (morfologickými) charakteristikami, totiž (morfologickými) variantami a homonymy. Zavádíme tzv. vícenásobné lemma. | [
"Jaroslava Hlaváčová",
"Markéta Lopatková"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
de | 2008 | On Lemmatization of the Reflexive Verbs in the New Large German-Czech Academic Dictionary | K lematizaci verbální reflexivity v novém Velkém německo-českém slovníku | This contribution addresses various types of reflexivity in Germans verbs and their lexicographical description in current large monolingual dictionaries. | Tento příspěvek se zabývá lexikografickým zachycením různých typů reflexívních sloves ve velkých německých jednojazyčných slovnících. | [
"Silvie Cinková"
] | null | null | null | null | null | null | null | Lemmatisierung der verbalen Reflexivität im entstehenden Großen Deutsch-Tschechischen akademischen Wörterbuch | Die Lemmatisierung ermöglicht, dass Flexionsformen, Zusammensetzungen und/oder sonstigen Wortbildungsformen ihre Grundformen zugeordnet werden können. Im diesem Zusammenhang sind Grundformen
* unflektierte Simplizia verschiedener Wortarten,
* unflektierte Ableitungen und Komposita,
* Wortbildungsmorpheme. | null | null | null | null |
en | 2008 | An Annotation Scheme for Speech Reconstruction on a Dialog Corpus | Anotační schéma pro rekonstrukci mluvené řeči v dialogovém korpusu | This paper presents the ongoing manual speech reconstruction annotation of the NAP corpus, which is a corpus of recorded conversations between pairs of people above family photographs, relating it to a more complex annotation scheme of the Prague Dependency Treebank family. The result of this effort will be a resource that will contain, on top of the audio recording of the dialog and its usual transcription, an edited and fully grammatical “reconstructed” dialog. The format and alignment with the original audio and transcription on one side and a similar alignment (linking) to a deep analysis of the natural language sentences uttered in the dialog on the other side will be such that the resource can serve as a training and testing material for machine learning experiments in both intelligent editing as well as in dialog language understanding. The resource will be used in the Companions project, but it will be publicly available outside of the project as well. | Tento článek popisuje manuální anotaci rekonstrukce mluvené řeči na dialogovém korpusu NAP. Korpus NAP obsahuje rozhovory anglických mluvčích nad alby fotografií. Anotace vzniká v rámci projektu Companions. | [
"Silvie Cinková",
"Jan Hajič",
"Jan Ptáček"
] | https://www.semanticscholar.org/paper/ce9a8cee86213950943a2c0ae1db5fafa22c1c22/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | The Tectogrammatics of English: on Some Problematic Issues from the Viewpoint of the Prague Dependency Treebank | Tektogramatická reprezentace angličtiny: několik problematických případů z pohledu Pražského závislostního korpusu | The present paper is aimed to illustrate how the description of underlying structures carried out in annotating Czech texts may be used as a basis for comparison with a more or less parallel description of English. Specific attention is given to several points in which there are differences between the two languages that concern not only their surface or outer form, but (possibly) also their underlying structures. | Tento příspěvek ilustruje, jak se tektogramatický popis dá použít jako měřítko porovnávání dvou nepříbuzných jazyků - zde češtiny a angličtiny. | [
"Silvie Cinková",
"Eva Hajičová",
"Jarmila Panevová",
"Petr Sgall"
] | https://www.semanticscholar.org/paper/269734836269acde292872e788fb82d340acc3e5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Two Languages - One Annotation Scenario? Experience from the Prague Dependency Treebank | Dva jazyky - jeden anotační scénář? Zkušenosti z Pražského závislostního korpusu | This contribution illustrates how the description of underlying structures carried out in annotating Czech texts may be used as a basis for comparison with a more or less parallel description of English. | Tento příspěvek ilustruje, jak je možné využít tektogramatickou reprezentaci jako měřítko porovnávání dvou nepříbuzných jazyků - zde češtiny a angličtiny. | [
"Silvie Cinková",
"Eva Hajičová",
"Jarmila Panevová",
"Petr Sgall"
] | https://www.semanticscholar.org/paper/6554c0c1a1050046a2db0baf6c312212c560e2fb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Speech reconstruction for the syntactic and semantic analysis of the NAP/AAA corpus | Rekonstrukce mluvené řeči pro syntaktickou a sémantickou analýzu korpusu NAP/AAA | This is an annotation manual of English speech reconstruction. Speech reconstruction has been carried out at the Prague Dependency Treebank of Spoken Language, which consists of a Czech and an English, 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 utterances. | Tato publikace je návodem pro anotátory, jak anotovat rovinu rekonstrukce anglické mluvené řeči. Anotace zvaná Rekonstrukce mluvené řeči je prováděna na českém a anglickém korpusu a má dále sloužit pro uplatnění metod strojového učení na přirozený jazyk. Anotace obsahuje původní doslovný přepis nahrávek a také editovanou verzi, která vyhovuje standardům psaného textu. Obě verze představují oddělené roviny, které jsou navzájem propojeny na úrovni akustických segmentů, vět editovaného textu a jednotlivých slov. | [
"Silvie Cinková",
"Marie Mikulová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Corpus as a Means for Study of Lexical Usage Changes | Korpus jako nástroj pro studium změn v jazyce | The paper presents a corpus-based method for obtaining ranked wordlists that can
characterise lexical usage changes. The method is evaluated on two 100-million
representatively balanced corpora of contemporary written Czech that cover two consecutive
time periods. Despite similar overall design of the corpora, lexical frequencies have to be first
normalised in order to achieve comparability. Furthermore, dispersion information is used to
reduce the number of domain-specific items, as their frequencies highly depend on inclusion
of particular texts into the corpus. Statistical significance measures are finally used for
evaluation of frequency differences between individual items in both corpora.
It is demonstrated that the method ranks the resulting wordlists appropriately and several
limitations of the approach are also discussed. Influence of corpora composition cannot be
completely obliterated and comparability of the corpora is shown to play a key role.
Therefore, although highly-ranked items are often found to be related to changes of
language usage, their relevance should be cautiously interpreted. In addition to several
general language words, the real examples of lexical variation are found to be limited
mostly to temporary topics of public discourse or items reflecting recent technological
development, thus sketching an overall picture of lifestyle changes. | Příspěvek popisuje korpusové metody pro zjišťování změn v užívání slov. Metody byly použity na dvou stomilionových korpusech češtiny ze dvou po sobě jdoucích období. | [
"Michal Křen",
"Jaroslava Hlaváčová"
] | https://www.semanticscholar.org/paper/127a4650c42ad172bda85307be1da4bacd77efa2/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Semantic Network Manual Annotation and its Evaluation | Ruční anotace sémantických sítí a její vyhodnocování | The Prague Dependency Treebank (PDT) is a valuable resource
of linguistic information annotated on several layers. These
layers range from shallow to deep and they should contain all
the linguistic information about the text. The natural extension
is to add a semantic layer suitable as a knowledge base
for tasks like question answering, information extraction etc.
In this thesis I set up criteria for this representation, explore
the possible formalisms for this task and discuss their properties.
One of them, Multilayered Extended Semantic Networks
(MultiNet), is chosen for further investigation. Its properties
are described and an annotation process set up. I discuss some
practical modifications of MultiNet for the purpose of manual
annotation. MultiNet elements are compared to the elements
of the deep linguistic layer of PDT. The tools and problems of
the annotation process are presented and initial annotation data
evaluated. | Pražský závislostní korpus (PDT) je cenným zdrojem lingvistických informací anotovaných na několika rovinách. Anotační roviny pokrývají škálu od mělkých po hloubkové a měly by obsahovat veškerou lingvistickou informaci o textu. Je tedy přirozené rozšířit je o sémantickou rovinu, která by sloužila jako báze znalostí pro úlohy jako je zodpovídání dotazů, extrakce informací atd. | [
"Václav Novák"
] | https://www.semanticscholar.org/paper/9bce3b2bacfcc3d15e0b3b595e9497dd3346bdf8/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Semantic Network Manual Annotation and its Evaluation: Extract of Ph.D. Thesis | Ruční anotace sémantických sítí a její vyhodnocování: extrakt disertační práce | The Prague Dependency Treebank (PDT) is a valuable resource
of linguistic information annotated on several layers. These
layers range from shallow to deep and they should contain all
the linguistic information about the text. The natural extension
is to add a semantic layer suitable as a knowledge base
for tasks like question answering, information extraction etc.
In this thesis I set up criteria for this representation, explore
the possible formalisms for this task and discuss their properties.
One of them, Multilayered Extended Semantic Networks
(MultiNet), is chosen for further investigation. Its properties
are described and an annotation process set up. I discuss some
practical modifications of MultiNet for the purpose of manual
annotation. MultiNet elements are compared to the elements
of the deep linguistic layer of PDT. The tools and problems of
the annotation process are presented and initial annotation data
evaluated. | Pražský závislostní korpus (PDT) je cenným zdrojem lingvistických informací anotovaných na několika rovinách. Anotační roviny pokrývají škálu od mělkých po hloubkové a měly by obsahovat veškerou lingvistickou informaci o textu. Je tedy přirozené rozšířit je o sémantickou rovinu, která by sloužila jako báze znalostí pro úlohy jako je zodpovídání dotazů, extrakce informací atd. | [
"Václav Novák"
] | https://www.semanticscholar.org/paper/231abccc76a498eda54eec08d7d3010697330302/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Inter-sentential Coreferences in Semantic Networks: An Evaluation of Manual Annotation | Mezivětné koreference v sémantických sítích: evaluace ruční anotace | We present an evaluation of inter-sentential coreference annotation in the context of manually created semantic networks. The semantic
networks are constructed independently be each annotator and require an entity mapping priori to evaluating the coreference. We
introduce a model used for mapping the semantic entities as well as an algorithm used for our evaluation task. Finally, we report the raw
statistics for inter-annotator agreement and describe the inherent difficulty in evaluating coreference in semantic networks. | Prezentujeme vyhodnocení anotace mezivětné koreference v kontextu ručně vytvořených sémantických sítí. | [
"Václav Novák",
"Keith Brendan Hall"
] | https://www.semanticscholar.org/paper/2887fa07f3d19f710a965986e3a421754401559c/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | STYX 2008 | STYX 2008 | Complete rewrite of the STYX 2008 system:
- improved rules for sentence filtering
- improved transformations of syntactic trees to the school form
- rewritten user interface
- bugfixes
STYX is an electronic exercise book of Czech based on data of the Prague Dependency Treebank. It consists of a console application used to filter unsuitable sentences (FilterSentences), an administrative application for creating exercises (Charon) and the exercise book itself, Styx. | Zcela přepracovaná verze systému STYX 2007:
- vylepšena pravidla filtrování vět
- vylepšeny transformace syntaktických stromů do školské podoby
- úpravy uživatelského rozhraní
- opravy chyb
Systém STYX je elektronickou cvičebnicí češtiny postavenou nad daty Pražského závislostního korpusu. Skládá se z konzolové aplikace určené k filtrování vět (FilterSentences), administračního programu sloužícího k sestavování cvičení (Charon) a vlastní cvičebnice nazvané Styx. | [
"Ondřej Kučera"
] | https://www.semanticscholar.org/paper/f29f9cde1266b7c2b46a5f9e3cfc00954e657fe4/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Automatically created exercise book of Czech | Automaticky vytvořená cvičebnice češtiny | We introduce an electronic exercise book of Czech that consists of 12 thousand sentences to practice morphology and syntax. The correct answers are available to the users as well. The sentences in the exercise book represent a selection from the Prague Dependency Treebank. | Cílem naší práce je představit elektronickou cvičebnici českého jazyka o celkovém objemu 12 tisíc vět k procvičování ve dvou oblastech: tvarosloví (určování slovních druhů a jejich morfologických kategorií) a větný rozbor (určování větných členů a vztahů mezi nimi). Uživatelům je k dispozici pro všechny věty i klíč k řešení. Cvičebnice je sestavena z výběru vět, které obsahuje akademický Pražský závislostní korpus. | [
"Ondřej Kučera",
"Barbora Hladká",
"Klára Hrstková"
] | https://www.semanticscholar.org/paper/19b67fdf9a10055018283dae6e460beae75fd94e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Victoria | Victoria | Victoria is a tool for web-page anotation using a web browser. Web page is downloaded and analzyed. Annotator can simply select a category for every text block. | Victoria je nástroj pro anotování textu na webových stránkách pomocí webového prohlížeče. Stránka je automaticky stažena ze zadaného URL, analyzována a anotátor může vybrat kategorii pro každý blok textu. | [
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/39afdbc24a9e15fac3475dd389080f275a6b341a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Victor: the Web-Page Cleaning Tool | Victor: nástroj pro čištění webových stránek | In this paper we present a complete solution for automatic cleaning of arbitrary HTML pages with a goal of using web data as a corpus in the area of natural language processing and computational linguistics. We employ a sequence-labeling approach based on Conditional Random Fields (CRF). Every block of text in analyzed web page is assigned a set of features extracted from the textual content and HTML structure of the page. The blocks are automatically labeled either as content segments containing main web page content, which
should be preserved, or as noisy segments not suitable for further linguistic processing, which should be eliminated. Our solution is based on the tool introduced at the CLEANEVAL 2007 shared task workshop. In this paper, we present new CRF features, a handy annotation tool, and new evaluation metrics. Evaluation itself is performed on a random sample of web pages automatically downloaded from the Czech web domain. | V tomto článku prezentujeme kompletní řešení pro automatické čištění HTML stránek, jehož cílem je použití webových dat pro vytvoření korpusu textů pro zpracování přirozeného jazyka nebo pro lingvistiku. Používáme algoritmus sekvenčního značkování Conditional Random Fields. Každému bloku textu analyzované webové stránky je přiřazena sada rysů extrahovaná z textu a HTML struktury stránky. Blokům jsou pak automaticky přiřazeny značky, které říkají, zda má být blok zachován, nebo odstraněn. Naše řešení je založeno na nástroji z CLEANEVAL 2007. | [
"Miroslav Spousta",
"Michal Marek",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/5462d15610592394a5cd305d44003cc89630f990/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | New morphological tagging of the Czech national corpus | Nové značkování v Českém národním korpusu | The paper presents large textual corpora of the Czech National Corpus and their morphological tagging and lemmatization. It describes the methods used for morphological tagging and their precision in three large corpora of ČNK. | Článek představuje velké textové korpusy Českého národního korpusu a jejich morfologické značkování a lemmatizaci. Popisuje metody značkování a jejich úspěšnost ve třech velkých korpusech ČNK. | [
"Tomáš Jelínek"
] | https://www.semanticscholar.org/paper/34209326060873e4019360847d2e453f9d642118/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | A Distributed Database for Mobile NLP Applications | Distribuovaná databáze pro mobilní aplikace pro zpracování přirozeného jazyka | The paper presents an experimental machine translation system for mobile devices and its main component — a distributed database which is used in the module of lexical transfer. The database contains data shared among multiple devices and provides their automatic synchronization. | Článek představuje experimentální systém strojového překladu pro mobilní zařízení a jeho hlavní komponentu - distribuovanou databázi pro pravidla lexikálního transferu. | [
"Petr Homola"
] | https://www.semanticscholar.org/paper/09a6f41577ba053e0ffa8b5240bec7e34f8d70c4/ | null | null | null | null | null | null | null | null | null | null | null | null |
dsb | 2008 | Polish Moravians in Prussian Silesia | Polští Moravané v pruském Slezsku | The article describes the situation of the Czech (Moravian) minority in the Prussian part of Silesia. | Článek se věnuje popisu situace české (moravské) národnostní menšiny v pruském Slezsku. | [
"Petr Homola"
] | https://www.semanticscholar.org/paper/37977ac983cce1867412b2c06cf557dc78ef5d4f/ | null | null | null | null | null | null | null | null | Pólske Morawarje we pšuskej Šlazyńskej | W krotkozajtšnej Šlazyńskej, słušajucej něnto k Pólskej, su do źinsa w žednych jsach pśi granicy z Českeju luźe žywe, kenž morawski powědaju, lěcrownož se wóni zwětšego za Nimcow źarže. | null | null |
dsb | 2008 | Slovenian minority in Austria | Slovinská menšina v Rakousku | The article describes the situation of the Slovenian minority in Carianthia in Austria from the historical point of view. | Článek se věnuje popisu situace slovinsé národnostní menšiny v rakouských Korutanech z historického hlediska. | [
"Petr Homola"
] | https://www.semanticscholar.org/paper/0d9a82e548b5f0256aeb2c4120c6ae1f672c1921/ | null | null | null | null | null | null | null | null | Słowjeńska mjeńšyna w Awstriskej | W Awstriskej dajo źinsa něźi 20.000 Słowjeńcow. Wětšyna z nich jo žywa w pódpołdnjowem źělu toś togo alpskego kraja, w Korutańskej a Štajerskej, ale jich licba bóžko stawnje wóteběra. | null | null |
cs | 2008 | An extended interpreter of Q-systems | Rozšířený interpret Q-systémů | A reimplementation of the Q-systems interpreter in C++. Allows for named variables and elimination of multiple equal edges. | Reimplementace interpretu Q-systémů v C++. Rozšíření o pojmenované proměnné a eliminaci duplicitních hran. | [
"Petr Homola",
"Ondřej Adamovský"
] | https://www.semanticscholar.org/paper/d8d325192b0357b3d05f50b434ba821f80ac66da/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | A Hybrid Machine Translation System for Typologically Related Languages | Hybridní systém pro strojový překlad mezi typologicky blízkými jazyky | This paper describes a shallow parsing formalism aiming at machine translation between closely related languages. The formalism allows to write grammar rules helping to (partially) disambiguate chunks in input sentences. The chunks are then translatred into the target language without any deep syntactic or semantic processing. A stochastic ranker then selects the best translation according to the target language model. The results obtained for Czech and Slovak are presented. | Článek popisuje formalismus pro mělký parsing pro překlad mezi příbuznými jazyky. Formalismus umožňuje psát pravidla pro částečnou disambiguaci vstupních vět. Stochastický ranker vybírá nejvhodnější překlad v závislosti na jazykovém modelu cílového jazyka. | [
"Petr Homola",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/b3c1f51f83d9da179df9140669fcbd5655501df3/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | A Method of Hybrid MT for Related Languages | Metoda hybridního strojového překladu pro blízké jazyky | The paper introduces a hybrid approach to a very specific field in machine translation — the translation of closely related languages. It mentions previous experiments performed for closely related Scandinavian, Slavic, Turkic and Romanic languages and describes a novel method, a combination of a simple shallow parser of the source language (Czech) combined with a stochastic ranker of (parts of) sentences in the target language (Slovak, Russian). The ranker exploits a simple stochastic model of the target language and its main task is to choose the best translation among those provided by the system. The last section of the paper presents results indicating better translation quality compared to the existing MT system for Czech and Slovak and compares them top the results obtained by the translation from Czech to Russian using the same system. | Článek zavádí hybridní přístup ke strojovému překladu mezi příbuznými jazyky. Zmiňuje předchozí experimenty pro skandinávské, slovanské, turkické a románské jazyky a popisuje novou metodu, kombinaci mělkého parseru a stochastického rankeru. | [
"Petr Homola",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/43d31d4cff9beb3f0f455e4b783f9bda26f19dc9/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Česílko 2.0 | Česílko 2.0 | A reimplementation of the system Česílko. This version contains a shallow parser and a stochastic ranker. | Reimplementace systému Česílko. Jedná se o verzi s mělkým parsingem a stochastickým rankerem. | [
"Petr Homola",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/9ff566a2f30fb899891829e2eb214afa8b91cbed/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | An implementation of unificational grammar for machine translation | Implementace unifikační gramatiky pro strojový překlad | The paper presents a hybrid approach to MT between related languages. | Tento článek představuje hybridní přístup k překladu blízce příbuzných jazyků. | [
"Petr Homola",
"Vladislav Kuboň"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Improving Machine Translation Between Closely Related Romance Languages | Vylepšení strojového překladu mezi blízce příbuznými románskými jazyky | The paper gives an overview of the shallow-transfer MT system Apertium, describes an experiment with the language pair Portuguese-Spanish and suggests a modification of the system architecture which leads to higher translation quality. Finally, consequences of the architecture improvement for the design of language resources for shallow-transfer based systems are discussed. | Článek popisuje vylepšení architektury systému Apertium pro pár portugalština-španělština. | [
"Petr Homola",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/6d6c76bae8a9f2c78043f56356d9610df12f4b60/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Partial Parsing in a Simple MT System | Částečný parsing v jednoduchém systému strojového překladu | The paper describes the use of partial parsing in an MT system for Slavic languages. | Článek popisuje použití částečného parsingu v systému strojového překladu pro slovanské jazyky. | [
"Petr Homola",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/502df10477a3348bd0fbad35407a64581a3a6dc8/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Multilingual Approach to e-Learning from a Monolingual Perspective | Vícejazyčný přístup k e-learningu z jednojazyčné perspektivy | This paper describes the efforts undertaken in an international research project LT4eL from the perspective of one of the participating languages, Czech. The project aims at exploiting language technologies for adding new functionalities to an open source Learning Management System ILIAS. The new functionalities are based both on existing and newly developed tools for all languages involved. The paper describes in detail the issues of the implementation of a keyword extractor and a glossary candidate detector for Czech. | Tento článek popisuje výsledky, které byly dosaženy v mezinárodním výzkumném projektu LT4eL z pohledu jednoho jazyka zpracovávaného v projektu - češtiny. Cílem projektu je využití jazykových technologií pro rozšíření funkcionality open source systém pro e-learning ILIAS. Nová funkcionalita je založena na stávajícíh a nově vytvořených nástrojích pro všechny zapojené jazyky. Článek podrobně popisuje problémy implementace extraktoru klíčových slov a slovníkových definic z textu pro češtinu. | [
"Vladislav Kuboň",
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/c6a8da0073fcebbc2e3e83dd7d37efe730c949bc/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Exploiting language technologies in eLearning | Využití jazykových technologií v oblasti eLearningu | In this paper we present recent advances in using language technology to improve current learning management systems. We focus on definitions and keyword search as well as semantic search technology. | V tomto příspěvku se zaměříme na využití technologií zpracování přirozeného jazyka k vylepšení současných systémů pro výuku (e-learning). Zaměříme se na vyhledávání definic a klíčových slov a technologii sémantického vyhledávání. | [
"Vladislav Kuboň",
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/6a19d2b5380136736fc7e9460cf2512f8f2d7d53/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Annotation of Multiword Expressions in the Prague Dependency Treebank | Anotace víceslovných výrazů v Pražském závislostním korpusu | In this article we want to demonstrate that
annotation of multiword expressions in the
Prague Dependency Treebank is a well defined task and that it is useful as well as feasible.
We argue that some automatic pre-annotation is possible and it does not damage the results. | V článku pojednáme o probíhajícím projektu poloautomatické anotace víceslovných výrazů. V prvém plánu jde o doplňování dodatečné informace k datům PDT 2.0, v dlouhodobějším pohledu by mělo jít o součást přiblížení tektogramatické vrstvy PDT k tomu, jak byla tektogramatická analýza ve Funkčním generativním popisu (FGP) navržena. Vysvětlíme, jakou roli v našem pojetí hraje ruční anotace a co je možno provést automaticky. | [
"Eduard Bejček",
"Pavel Straňák"
] | https://www.semanticscholar.org/paper/6ec459427c19eb9b1d33599eeac66dc827b53faf/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Annotation of Multiword Expressions in the Prague Dependency Treebank | Anotace víceslovných výrazů v Pražském závislostním korpusu | In this article we want to demonstrate that annotation of multiword expressions in the Prague Dependency Treebank is a well defined task, that it is useful as well as feasible, and that we can achieve good consistency of such annotations in terms of inter-annotator agreement. We show a way to measure agreement for this type of annotation. We also argue that some automatic pre-annotation is possible and it does not damage the results. | V tomto článku chceme ukázat, že anotace víceslovných výrazů Pražského závislostního korpusu je dobře definovaný úkol, že je potřebný a proveditelný, a že můžeme dosáhnout dobré mezianotátorské shody.
Ukážeme způsob, jak měřit shodu pro tento druh anotace. Dále tvrdíme, že určitá automatická předanotace je možná a nepoškozuje výsledky. | [
"Eduard Bejček",
"Pavel Straňák",
"Pavel Schlesinger"
] | https://www.semanticscholar.org/paper/6ec459427c19eb9b1d33599eeac66dc827b53faf/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Pronouns Introducing Content Clauses | Zájmena uvozující obsahové věty | In the contribution, the problem how pronouns introducing content clauses are classified in Czech linguistic literature is discussed. The classification of these pronouns depends on how interrogative and relative pronouns are defined in the given approaches. Basically, two different types of approaches are described. Firstly, relative pronouns are defined broadly as only attaching a dependent clause to its governing one; pronouns introducing content clauses belong then to this subgroup of pronouns. In this connection, interrogative pronouns occur only in direct questions. In approaches of the second type, which we subscribe to, the constitutive feature of relative pronouns is their relation to an element of the governing clause. The main characteristic of interrogative pronouns is the reference to an unknown person/object – pronouns introducing both questions and content clauses are interpreted as interrogatives; this classification is advantageous for several reasons, which we try to indicate. | Příspěvek se zabývá otázkou, zda zájmena uvozující obsahové věty klasifikovat jako tázací nebo vztažná. V české lingvistické literatuře lze najít oba přístupy, záleží přitom na tom, jak jsou v jednotlivých příručkách tyto dvě zájmenné podskupiny definovány. V příspěvku se přikláníme ke klasifikaci zájmen uvozujících obsahové věty jako zájmen tázacích. Výhody, které tento přístup podle našeho názoru přináší, se pokoušíme objasnit. | [
"Magda Ševčíková"
] | https://www.semanticscholar.org/paper/eb9d6dfdbad00440f39782d4d06a791554de5506/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Proper Nouns in Czech Corpora | Vlastní jména v českých korpusech | Although proper nouns are an inseparable part of natural language texts and thus of text corpora, (at least) Czech corpus linguistics has been paying little attention to this area. We demonstrate that Czech corpora can be certainly used as a rich source for study of proper nouns. Firstly, we introduce how proper nouns are handled in present Czech corpora: e.g., in the Prague Dependency Treebank 2.0 a very simple annotation of proper nouns is involved in the morphological annotation whereas the syntactic annotation scheme of this corpus does not take proper nouns into consideration. We list several reasons why we consider such annotations to be insufficient and unsuitable. As for the position of the annotation of proper nouns within a multi-layered annotation scheme, we arrive at the conclusion that proper nouns could be annotated at a (deep) syntactic layer. Therefore, the annotation schemes have to be adapted for this purpose. | Ačkoli jsou vlastní jména nedílnou součástí textů, a tedy i textových korpusů, byla jim (přinejmenším) v české korpusové lingvistice dosud věnována jen okrajová pozornost. V příspěvku představíme, jak jsou vlastní jména popsána v dostupných korpusech češtiny. Ukážeme, že dosavadní způsob zachycení je nedostatečný, a pokusíme se proto navrhnout nový způsob jejich reprezentace. V Pražském závislostním korpusu 2.0 (PDT 2.0) by reprezentace vlastních jmen měla být součástí popisu větné sémantiky, pro tyto účely je nutné stávající anotační schéma adaptovat. | [
"Magda Ševčíková"
] | https://www.semanticscholar.org/paper/211c8ef93aa1752a9ab4238b1e0d260e2f3e654c/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Petr Sgall: Language in its multifarious aspects. Ed. Eva Hajičová – Jarmila Panevová. Karolinum, Charles University Press, Praha 2006. 556 p. | Petr Sgall: Language in its multifarious aspects. Ed. Eva Hajičová – Jarmila Panevová. Karolinum, Charles University Press, Praha 2006. 556 s. | The book "Language in its multifarious aspects" is reviewed, which involves Petr Sgall's articles on general and theoretical issues, syntax, topic-focus articulation, relation between meaning and content, typology of languages, and spoken and written Czech. | Recenze se zabývá sborníkem Language in its multifarious aspects, v němž jsou shromážděny články prof. Petra Sgalla týkající se obecných a teoretických témat, syntaxe, aktuálnho členění, otázkám významu a obsahu, typologie jazyků a rysům psané a mluvené češtiny. | [
"Magda Ševčíková",
"Zdeněk Žabokrtský"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Building the Valency Lexicon of Arabic Verbs | Vytváření valenčního slovníku arabských sloves | A valency dictionary presents verbs, their valency, obligatory and free modifiers. The valency dictionary of the Modern Standard Arabic language has been built using examples from the Prague Arabic Dependency Treebank. | Valenční slovník zachycuje slovesa, jejich vazby, povinná a volná doplnění. Valenční slovník moderní spisovné arabštiny je budován s pomocí příkladů z Pražského arabského závislostního korpusu. | [
"Viktor Bielický",
"Otakar Smrž"
] | https://www.semanticscholar.org/paper/5f59369ec1ae65dc6bdbc208e60c8e831a7dbd22/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Two Tectogrammatical Realizers Side by Side: Case of English and Czech | Tektogramatická syntéza českých a anglických vět | We present a work in progress on a pair of morpho-
syntactic realizers sharing the same architecture. We provide
description of input tree structures, describe our procedural
approach on two typologically different languages and finally
present preliminary evaluation results conducted on manually
annotated treebank. | Článek porovnává architekturu dvou morfo-syntaktických generátorů vět, generujících český a anglický výstup. Popisujeme vstupní struktury: závislostní stromy z Funkčního generativního popisu P.Sgalla a také vlastní systém generování vět v jazycích, které jsou typologicky velmí odlišné . Výkon obou generátorů je nakonec měřen pomocí BLEU skóre. | [
"Jan Ptáček"
] | https://www.semanticscholar.org/paper/4ba3b27f17244274b521fc86529c923b871e160f/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Prague Dependency Treebank | Pražský závislostní korpus | The article presents the project of Prague Dependency Treebank 2.0: its theoretical background, division into layers, annotation schemata and tools used in annotation process. It gives several examples how the treebank could be used. | Článek představuje projekt Pražského závislostního korpusu: jeho teoretické pozadí, rozdělení na roviny, anotační schémata a nástroje používané k anotaci. Udává také několik přikladů práce s treebankem. | [
"Jan Štěpánek"
] | https://www.semanticscholar.org/paper/3d41cd0efe1733f508d5e4de109611c9ae3284b6/ | null | null | null | null | null | null | null | null | null | null | null | null |
ru | 2008 | The Prague Dependency Treebank | Pražský závislostní korpus | The Prague Dependency Treebank 2.0 (PDT 2.0) contains a large amount of Czech texts with complex and interlinked morphological (2 million words), syntactic (1.5 MW) and complex semantic annotation (0.8 MW); in addition, certain properties of sentence information structure and coreference relations are annotated at the semantic level. PDT 2.0 is based on the long-standing Praguian linguistic tradition, adapted for the current Computational Linguistics research needs. The corpus itself uses the latest annotation technology.
Besides the large corpus of Czech, a corpus of Czech-English parallel resources (The Prague Czech-English Dependency Treebank) is being developed. English sentences from the Wall Street Journal and their translations into Czech are being annotated in the same way as in PDT 2.0. This corpus is suitable for experiments in machine translation, with a special emphasis on dependency-based (structural) translation.
In the report, the basic annotation scheme is represented, with special reference to complex semantic (tectogrammatical) level. The system of syntactic functors and valency lexicon VALLEX are also discussed. | Pražský závislostní korpus (PDT 2.0) obsahuje velké množství českých textů doplněných rozsáhlou a provázanou morfologickou (2 milióny slovních jednotek), syntaktickou (1,5 miliónu slovních jednotek) a sémantickou (0,8 miliónu slovních jednotek) anotací; na sémantické rovině jsou navíc anotovány aktuální členění věty a koreferenční vztahy.
PDT 2.0 vychází z dlouhodobé pražské lingvistické tradice, upravené pro současné potřeby výzkumu v oblasti komputační lingvistiky. Samotný korpus využívá nejnovější anotační technologie. | [
"Anja Nedolužko",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/3d41cd0efe1733f508d5e4de109611c9ae3284b6/ | null | null | Cинтаксически аннотированный корпус чешского языка | The Prague Dependency Treebank (PDT 2.0) – это корпус текстов чешского языка, аннотированный на трех связанных между собой уровнях – морфологическом (2 млн словоупотреблений), поверхностно-синтаксическом (1.5 млн) и глубинно-синтаксическом (0.8 млн). На глубинно-синтаксическом уровне аннотируется также актуальное членение предложений и именная кореференция. PDT 2.0 основан на пражской лингвистической традиции, адаптированной к требованиям современной компьютерной лингвистики. Аннотация корпуса проводится частично автоматически.
Помимо обширного корпуса чешских текстов разрабатывается проект параллельных текстов на чешском и английском языках (The Prague Czech-English Dependency Treebank), где подобным образом аннотируются тексты из Wall Street Journal и их переводы на чешский язык. Целью проекта является подготовка текстовой базы для обучения компьютера машинному переводу.
В реферате я представлю общую схему аннотации с особым акцентом на глубинно-синтаксический уровень, расскажу о системе синтаксических функторов узлов на этом уровне и словаре моделей управления предикатов, встроенном в проект, а также отвечу на все возникшие вопросы. | null | null | null | null | null | null | null | null |
en | 2008 | Pitch Accents, Boundary Tones and Contours: Automatic Learning of Czech Intonation | Intonační přízvuky, hraniční tóny a kontury: Automatické učení české intonace | This paper examines three methods of intonational
stylization in the Czech language: a sequence of pitch accents, a sequence of boundary tones, and a sequence of contours. The efficiency of these methods was compared by means of a neural network which predicted the f0 curve from each of the three types of input, with subsequent perceptual assessment. The results show that Czech intonation can be learned with about the same success rate in all three situations. This speaks in favour of a rehabilitation of contours as a traditional means of describing Czech intonation, as well as the use of boundary tones as another possible local approach. | Článek prověřuje tři metody intonační stylizace v češtině: sekvenci intonačních přízvuků, sekvenci hraničních tónů a sekvenci kontur. Účinnost těchto metod byla porovnána pomocí neuronové sítě, která předpovídala křivku F0 z každého ze tří uvedených vstupů, s následným percepčním vyhodnocením. Výsledky ukázaly, že českou intonaci se lze naučit přibližně se stejnou úspěšností ve všech třech případech. To hovoří ve prospěch rehabilitace kontur, jakožto tradičního popisu české intonace, stejně jako užití hraničních tónů, jakožto alternativního lokálního pohledu. | [
"Tomáš Duběda",
"Jan Raab"
] | https://www.semanticscholar.org/paper/0e9062754351b5ccfce3d966259854718de656da/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Speech synthesis and emotions: a compromise between flexibility and believability | Řečová syntéza a emoce: kompromis mezi flexibilitou a akceptovatelností | The synthesis of emotional speech is still an open
question. The principal issue is how to introduce expressivity without compromising the naturalness of the synthetic speech provided by the state-of-the-art technology. In this paper two
concatenative synthesis systems are described and some approaches to address this topic are proposed. For example,considering the intrinsic expressivity of certain speech acts, by
exploiting the correlation between affective states and
communicative functions, has proven an effective solution. This
implies a different approach in the design of the speech
databases as well as in the labelling and selection of the
“expressive” units. In fact, beyond phonetic and prosodic
criteria, linguistic and pragmatic aspects should also be
considered. The management of units of different type (neutral
vs expressive) is also an important issue. | Syntéza emotivního mluveného projevu je stále výzvou. Centrálním tématem výzkumu je jak začlenit do syntézy mluvené řeči emotivní projevy. \v tomto článku popisujeme dve konkatenativní syntézové systémy a navrhujeme nové přístupy. | [
"Enrico Zovato",
"Jan Romportl"
] | https://www.semanticscholar.org/paper/6dc620f1ae06e6436917d6efbfc3c30da8ee9fe6/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Victor | Victor | Victor is a tool for cleaning web pages. It employs a sequence-labeling approach based on Conditional Random Fields (CRF). Every block of text in the analyzed web page is assigned a set of features extracted from the textual content and HTML structure of the page. Text blocks are automatically labeled either as content segments containing main web page content, which should be preserved, or as noisy segments not suitable for further linguistic processing, which should be eliminated. | Victor je nástroj pro čištění webových stránek.
Používá algoritmus sekvenčního značkování Conditional Random Fields. Každému bloku textu analyzované webové stránky je přiřazena sada rysů, která je extrahovaná z textu a HTML struktury stránky. Blokům jsou pak automaticky přiřazeny značky, které říkají, zda má být blok zachován, nebo odstraněn. | [
"Michal Marek",
"Pavel Pecina",
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/6c2ae24df0652e98de8b851edb1c936690b74ecb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Using the Constructionist Approach when Building a Multilingual Valency Lexicon | Využití teorie konstrukcí při budování vícejazyčného valenčního slovníku | The paper presents a preliminary research in the area of verbal valency and argument structure theory. With the perspective of building a multilingual archive of valency characteristics of verbs, the question is raised whether the structure of such a linguistic resource should be straight and simple, or to some extent hierarchical and capturing more relation types, including those among individual frames within a single language. | Příspěvek představuje přípravný výzkum v oblasti slovesné valence a argumentové struktury. V souvislosti s právě budovaným vícejazyčným valenčním slovníkem si klademe otázku, zdali má být struktura hesel spíše jednoduchá a nestrukturovaná, či zda může být výhodné vybudovat ji hierarchicky a zachytit tak vztahy mezi jednotkami na více úrovních, včetně vztahů v rámci každého jazyka zvlášť. | [
"Jana Šindlerová"
] | https://www.semanticscholar.org/paper/5d9094cea0d2f2520196ef432c0f24972329a1f9/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Some sentences and intersentential relations at the beginning | Několik vět a mezivětných vztahů úvodem | introductory article on journal number concerning the topic-focus articulation and discourse | úvodní článek k časopiseckému číslu zaměřenému na aktuální členění a výstavbu diskursu | [
"Šárka Zikánová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Problematic syntactic structures: a note on the analysis of topic-focus articulation in Prague Dependency treebank | Problematické syntaktické struktury: k rozborům aktuálního členění v Pražském závislostním korpusu | The role of predicate verbs, focalized groups and adverbials in topic-focus articulation in Czech sentences - problematic points | Role přísudkových sloves, rematizovaných skupin a příslovečných určení v aktuálním členění v českých větách | [
"Šárka Zikánová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Clitic Climbing and Theta-Roles in Upper Sorbian and Czech | Přesun příklonek a tematické role v horní lužické srbštině a v češtině | Word order position of the clitic se/so in active and passive constructions | Slovosledné postavení příklonky se/so v aktivních a pasivních konstrukcích | [
"Šárka Zikánová",
"Marko Malink"
] | https://www.semanticscholar.org/paper/5492427fdee6b0e0f2167f13ca857759593977de/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2008 | Ambiguity of the Topic-Focus Articulation in the Poetry of Otokar Březina | Nejednoznačnost aktuálního členění výpovědi v básnické tvorbě Otokara Březiny | The article discusses ambiguity of the topic-focus articulation in the poetry of Otokar Březina. | Článek pojednává o nejednoznačnosti aktuálního členění výpovědi v básnické tvorbě Otokara Březiny. | [
"Magdaléna Rysová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | UMC 0.1: Czech-Russian-English Multilingual Corpus | UMC 0.1: Česko-rusko-anglický vícejazyčný korpus | The description of a pairwise parallel English-Czech-Russian corpus for machine translation. | Popis česko-anglicko-ruského korpusu (po dvojicích paralelní) pro strojový překlad. | [
"Natalia Klyueva",
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/8a03215f133c5f4034b029fc9e52b0aced1815bb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2008 | Compost Czech | Compost Czech | Compost Czech is a tool which combines the PDT 2.0 morphological analyzer and the Morce tagger using an innovative semi-supervised training method. The resulting tagger gives the best accuracy achieved for Czech (on standard PDT 2.0 data set) so far: 96 % | Compost Czech je program kombinující morfologickou analýzu z PDT 2.0 a tagger Morče s novým semi-supervised trénováním. Výsledný tagger má na češtině nejlepší úspěšnost: 96 % | [
"Jan Raab",
"Jan Hajič",
"Drahomíra Spoustová"
] | https://www.semanticscholar.org/paper/cfac0fe214905af70e821511a620d74a62967bd7/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Combining Statistical and Rule-Based Approaches to Morphological Tagging of Czech Texts | Kombinované statisticko-pravidlové metody značkování češtiny | The thesis consists of three parts, which are all related to a rule-based morphological disambiguation project. | Tématem této práce jsou metody pro morfologické značkování (tagging) češtiny, zejména pak nejnovější experimenty s kombinováním pravidlových a statistických metod. | [
"Drahomíra Spoustová"
] | https://www.semanticscholar.org/paper/c2a31a958df23c9ae1403eee057ab676914b764d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | The Best of Two Worlds: Cooperation of Statistical and Rule-Based Taggers for Czech | Spolupráce statistických a pravidlových metod při značkování češtiny | Several hybrid disambiguation methods are described which
combine the strength of hand-written disambiguation rules
and statistical taggers. Three different statistical (HMM,
Maximum-Entropy and Averaged Perceptron) taggers are used in
a tagging experiment using Prague Dependency Treebank.
The results of the hybrid systems are better than any other method
tried for Czech tagging so far. | Článek popisuje několik disambiguačních metod, které kombinují ručně psaná pravidla a stochastické taggery (Feature-based, HMM, průměrovaný perceptron). | [
"Drahomíra Spoustová",
"Jan Hajič",
"Jan Votrubec",
"Pavel Krbec",
"Pavel Květoň"
] | https://www.semanticscholar.org/paper/8c38c6c1b8a2983e8f087628c878b5f84ce7b40d/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Rule-based disambiguation and obtaining information on surface valency of verbs and adjectives from the Czech National Corpus | Pravidlová disambiguace a získávání informací o povrchové valenci sloves a adjektiv z ČNK | This paper describes conversion of a surface valency lexicon of Czech verbs
to a surface valency lexicon of adjectives that can be derived from these
verbs and that use their (possibly modified) valency frames. | Článek popisuje konverzi slovníku povrchové valence českých sloves do valenčního slovníku deverbativních adjektiv. | [
"Drahomíra Spoustová",
"Tomáš Jelínek"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Shallow Parsing of Czech Sentence Based on Correct Morphological Disambiguation | Povrchový parsing českých vět založený na správné morfologické disambiguaci | The present paper describes an extension to a rule-based morphological
disambiguation system, which makes the disambiguation rules
usable for shallow parsing. The whole system
(both the morphological disambiguation and the syntactic
extension) is under development, but it already gives some
promising results. Several methods of using the rules to
improve the performance of statistical parsers are discussed. | Článek popisuje rozšíření pravidlového disambiguačního systému, které umožňuje využít disambiguační pravidla pro popvrchovou syntaktickou analýzu. | [
"Johanka Doležalová",
"Vladimír Petkevič"
] | https://www.semanticscholar.org/paper/ce2cc5a7f2eeffd6c869ee980a16ee85e7aee0bb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Charles University at CLEF 2007 CL-SR Track | Univerzita Karlova v CL-SR sekci CLEF 2007 | This paper describes a system built at Charles University in Prague for participation
in the CLEF 2007 Cross-Language Speech Retrieval track. We focused only on monolingual
searching the Czech collection and used the LEMUR toolkit as the retrieval
system. We employed own morphological tagger and lemmatized the collection before
indexing to deal with the rich morphology in Czech which significantly improved our
results. | Tento článek popisuje experimenty s vyhledáváním v mluvené řeči týmu z Karlovy Univerzity provedené v rámci evaluační kampaně CLEF 2007. | [
"Pavel Češka",
"Pavel Pecina"
] | https://www.semanticscholar.org/paper/0da95ceeb5da05c1c006a4eb0c2bab38490f3909/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Rule-based Approach to Pronominal Anaphora Resolution Applied on the Prague Dependency Treebank 2.0 Data | Pravidlový přístup k rozpoznávání anafory aplikovaný na PDT 2.0 | In this paper, we present a rule-based approach to resolution of anaphora links, as annotated in the Prague Dependency Treebank 2.0. The
created system consists of handwritten rules developed and tested using the Treebank data, which contain more than 45,000 coreference
links in almost 50,000 manually annotated Czech sentences. The F-measure of our system is 74.2%. | V článku je prezentován algoritmus pro rozpoznávání anaforických vztahů v českém textu. Vyhodnocení je provedeno s pomocí dat Pražského závislostního korpusu. | [
"Giang Linh Nguy",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/ab1afabdd899a67258fd6a109bf0a0a0de26e8ca/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Czech Prefixed Verbs in a Valency Lexicon. Preliminary Study | Prefixace českých sloves ve valenčním slovníku. Úvodní studie | The paper reviews the specific features of prefixed verbs in Czech and approaches to their capture in a valency lexicon. We summarise means and functions of verbal prefixation. We illustrate a regular relation between base verbs and derived verbs as to their syntactic and semantic properties. | Článek opakuje specifické rysy předponových sloves v češtině a přístupy k jejich zachycení ve valenčním slovníku. Shrnujeme prostředky a funkce slovesné prefixace. Ukazujeme pravidelný vztah mezi základními a odvozenými slovesy s ohledem na jejich syntaktické a sémantické vlastnosti. | [
"Klára Hrstková"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Parsing Aided by Intra-Clausal Coordination Detection | Vylepšení parseru pomocí detekce intraklauzálních koordinací | We present an algorithm for parsing with detection of intra-clausal coordinations. The algorithm is based on machine learning techniques and helps to decompose a large parsing problem into several smaller ones. Its performance was tested on Slovene Dependency Treebank. Used together with the maximum spanning tree parsing algorithm it improved parsing accuracy. | V článku je prezentován nový algoritmus pro analýzu vět v přirozeném jazyce, který vede k vyšší úspěšnosti při zpracování koordinačních konstrukcí. | [
"Domen Marinčič",
"Matjaž Gams",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/0cdf5a57068187c87e1dd6b692e21e3ecadd2ed5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | English-to-Czech Factored Machine Translation | Anglicko-český strojový překlad o více faktorech | This paper describes experiments with English-to-Czech phrase-based machine
translation. Additional annotation of input and output tokens (multiple factors)
is used to explicitly model morphology.
We vary the translation scenario (the setup of multiple factors) and the amount
of information in the morphological tags.
Experimental
results demonstrate significant improvement of translation quality in terms of
BLEU. | Popis experimentů s frázovým statistickým překladem z angličtiny do češtiny s cílem zlepšit tvaroslovnou koherenci výstupu. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/42fc4c6580bfa54d57b5d6c56b5dfde58c6f6abb/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Web Demo of Czech-English Machine Translation | Interaktivní ukázka česko-anglického strojového překladu | An interactive demonstration of English-Czech machine translation in a simple web interface. | Webová ukázka několika konfigurací systému strojového překladu mezi angličtinou a češtinou. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/03942cdddf679ec966b963f6e73ab722a847d9f2/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | TreeDecode 0.5 | TreeDecode 0.5 | A release of an experimental MT system with tree-to-tree transfer. | Experimentální systém strojového překladu s převodem stromu na strom. | [
"Ondřej Bojar"
] | https://www.semanticscholar.org/paper/75f428de2b47f3e676ed658f2a1322295d16c0eb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Mathematical Model of Tree Transformations | Matematický model pro převod stromů | A proposed mathematical model mapping dependency analyses of source sentences in one language to dependency structures representing the sentence in another language. | Návrh matematického modelu pro převod věty přirozeného jazyka reprezentované jako závislostní strom na závislostní strom v cílové řeči. | [
"Ondřej Bojar",
"Martin Čmejrek"
] | https://www.semanticscholar.org/paper/e4a737a30d93408111f509b764890ba789a87df9/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | CzEng 0.7 | CzEng 0.7 | Czech-English parallel corpus for Machine Translation experiments. | Česko-anglický paralelní korpus určený pro experimenty se strojovým překladem. | [
"Ondřej Bojar",
"Zdeněk Žabokrtský",
"Pavel Češka",
"Peter Beňa",
"Miroslav Janíček"
] | https://www.semanticscholar.org/paper/dd7fdaa997a074dbbc4849d0330a42985e7b3c3a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Towards English-to-Czech MT via Tectogrammatical Layer | K anglicko-českému překladu přes tektogramatickou rovinu | We present an overview of an English-to-Czech machine translation sys-
tem. 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. | Článek popisuje 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 | 2007 | Czech-English Machine Translation Dictionary | Česko-anglický slovník pro strojový překlad | We are proposing a format for translation dictionaries suitable for
machine translation. The dictionary format is concise and generalizes phrases by
introducing rules for morphological generation instead of using simple phrase to
phrase mapping.
We describe a simple way how to automatically construct our compact entries from
a machine-readable dictionary originally intended for human users using parallel
corpora. We further describe how to expand the compact dictionary entries to
phrase table dictionary that
can be used further on by machine translation systems (until the systems will
support morphological generation from a translation dictionary natively).
We performed manual annotation of a small set of entries to analyze problems of
this approach. | Navrhujeme formát překladových slovníků vhodný pro strojový překlad. Formát je úsporný a zobecňuje položky slovníku zavedením pravidel pro morfologické generování. | [
"Ondřej Bojar",
"Magdalena Prokopová"
] | https://www.semanticscholar.org/paper/d5c8d0ad47ce4c0f5d7bae89492d69f2f6fdde5d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Some of Our Best Friends are Statistician | Někteří naši přátelé jsou statistici | In the recent twenty or thirty years, a great interest in computational linguistics is paid to the application of statistical methods. Starting with the domain of speech recognition, this trend has become quite obvious also in the analysis of other linguistic domains. In the invited paper, the authors analyze the pros and cons for these methods, in relation to rule-based approaches and argue for a hybrid methodology. | V posledních dvou nebo třech desetiletích se v počítačové lingvistice aplikují statistické metody, a to nejen v oblasti automatického rozpoznávání řeči, ale i v ostatních jazykových oblastech. V pozvané přednášce se autoři zabývají argumenty pro i proti uplatnění těchto metod a argumentují ve prospěch hybridní metodologie | [
"Jan Hajič",
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/9e1a03d4ead0321deb7d5dcee351cace7c2aebf3/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | CoNNL 2007 Shared Task Arabic Test Set, Part 1 | Arabská testovací data pro CoNNL 2007 Shared Task, část 1 | Part one of the evaluation subset of the Arabic data set for the CoNLL 2007 Shared Task. The core of the task is to predict syntactic and semantic dependencies and their labeling. | První část testovací části soutěžních dat pro CoNNL 2007 Shared Task pro Arabštinu, obsahující Arabskou anotaci na syntaktické a sémantické rovině. . | [
"Jan Hajič",
"Otakar Smrž",
"Petr Zemánek",
"Petr Pajas",
"Jan Šnaidauf",
"Emanuel Beška",
"Jakub Kráčmar",
"Kamila Hassanová"
] | https://www.semanticscholar.org/paper/1ed9c27afef0147660650d957614d89a0e79a141/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | CoNNL 2007 Shared Task Arabic Test Set, Part 2 | Arabská testovací data pro CoNNL 2007 Shared Task, část 2 | Part two of the evaluation subset of the Arabic data set for the CoNLL 2007 Shared Task. The core of the task is to predict syntactic and semantic dependencies and their labeling. | Druhá část testovacích soutěžních dat pro CoNNL 2007 Shared Task pro Arabštinu, obsahující Arabskou anotaci na syntaktické a sémantické rovině. | [
"Jan Hajič",
"Otakar Smrž",
"Petr Zemánek",
"Petr Pajas",
"Jan Šnaidauf",
"Emanuel Beška",
"Jakub Kráčmar",
"Kamila Hassanová"
] | https://www.semanticscholar.org/paper/1ed9c27afef0147660650d957614d89a0e79a141/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | CoNNL 2007 Shared Task Arabic Training Set | Arabská trénovací data pro CoNNL 2007 Shared Task | An Arabic data set for the CoNLL 2007 Shared Task. The core of the task is to predict syntactic and semantic dependencies and their labeling. This is the training set. | Soutěžní data pro CoNNL 2007 Shared Task pro Arabštinu, obsahující Arabskou anotaci na syntaktické a sémantické rovině. Toto je trénovací část. | [
"Jan Hajič",
"Otakar Smrž",
"Petr Zemánek",
"Petr Pajas",
"Jan Šnaidauf",
"Emanuel Beška",
"Jakub Kráčmar",
"Kamila Hassanová"
] | https://www.semanticscholar.org/paper/5b9927bd8322b474360d364f295d56713f370485/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Towards the Automatic Extraction of Definitions in Slavic | O automatické extrakci definic ve slovanských jazycích | This paper presents the results of the preliminary experiments in the automatic extraction of definitions (for semi-automatic glossary construction) from usually unstructured or only weakly structured e-learning texts in Bulgarian, Czech and Polish. The extraction is performed by regular grammars over XML-encoded morphosyntactically-annotated documents. The results are less than satisfying and we claim that the reason for that is the intrinsic difficulty of the task, as measured by the low interannotator agreement, which calls for more sophisticated deeper linguistic processing, as well as for the use of machine learning classification techniques. | V tomto článku prezentujeme výsledky základních experimentů pro automatické extrahování definic (pro automatické generování glosářů) z nestrukturovaného (případně jen málo strukturovaného) textu v bulharštině, češtině a polštině. Extrakce je prováděna pomocí regulárních gramatik, které jsou použity na dokumenty v jednotném XML formátu. Výsledky nejsou uspokojivé a ukazujeme, že příčina je ve vnitřní složitosti tohoto úkolu, k čemuž nás opravňuje nízká mezianotátorská shoda. Dále navrhujeme zpracování pomocí hlubší lingvistické analýzy a klasifikačních metod strojového učení. | [
"Adam Przepiórkowski",
"Łukasz Degórski",
"Miroslav Spousta",
"Kiril Simov",
"Petya Nacheva Osenova",
"Lothar Lemnitzer",
"Vladislav Kuboň",
"Beata Wójtowitcz"
] | https://www.semanticscholar.org/paper/ce8fcab0a3c1db07dbabd9d2a88a167a7f0241cd/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Gradation of adjectives and valency | Stupňování adjektiv a valence | The position of gradation (degrees of comparison) of adjectives between morphology and word-formation is discussed as well as the determination of the semantic and syntactic characteristics of comparatives of adjectives (CMPR). The form of a comparative is connected with an obligatory valency slot filled by the modification of comparison (CPR); however, this valency member is very often missing on the surface. The reasons of the absence of this member are analyzed. The examples usually described as an “absolute” usage of CMPR are described and classified. | Stupňování adjektiv je pomezní oblastí mezi morfologií a slovotvorbou. Komparativ je spojen s obligatorní valenční pozicí srovnání, které je na povrchu často vypuštěno. Zkoumají se podmínky jeho vypuštění a analyzují se konstrukce s "absolutním" komparativem. | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Reciprocity revisited | Znovu o reciprocitě | A continuation and modification of our approach (given in Panevová (1999)is presented. The necessity to distinguish an inherent lexical reciprocity, as a part of a lexical meaning, is and syntactical reciprocity is argued. The relation of symmetry between emancipated participants is, in general, present only with syntactical reciprocal constructions.The possible participation of the respective valency slot in the process of reciprocalization has to be marked in the valency frame of the verb. | Stať je rozšířením autorčina přístupu k popisu recipročních konstrukcí z r. 1999. Je třeba rozlišovat inherentní lexikální reciprocitu a reciprocitu syntaktickou (obecněji přijatelnou). Možnou účast jednotlivých valenčních pozic na reciprokalizaci je třeba vyznačit ve valenčním rámci slovníkového hesla. | [
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/7763f7c04c3a6a069e7fab5246ddda52fdec9c7d/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | On reciprocity once again | Ještě jednou o reciprocitě | We think that the topic of Czech reciprocals has not yet been exhausted. We have proposed several issues open for further studies, e. g. distribution of the optional lexical means, their position in word order, behavior of si-reflexives etc. Recalling our ontological considerations on vagueness in syntactical reciprocal relations (see Panevová, in press, Section 4, as well as Chrakovskij, op.c. ), our insight into the corpus material confirms for the whole domain of reciprocity, that there are many vague and ambiguous constructions, interpretation of which strongly depends on inferences provided by the speech participants with the knowledge of the broader context or situation. | V tomto příspěvku navázujeme na tři příspěvky ke zkoumání recipročních vztahů v češtině (Panevová, 1999, Panevová, v tisku, Panevová, Mikulová, v tisku) a rozšířit je jak o několik úvah, které vyplynuly z diskusí o těchto příspěvcích, tak o další doklady z elektronických korpusů ilustrujících tyto problémy (budeme používat ČNK ve verzi SYN2005, dále PDT ve verzi 2.0 a Internet). | [
"Jarmila Panevová",
"Marie Mikulová"
] | https://www.semanticscholar.org/paper/2ada7527067910c4ff3f7e7d3a5af710b8ac5155/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | On Reciprocity | O reciprocitě | We present a follow-up and modification of the approach to the description of reciprocal constructions in Panevová (1999).Inherent lexical reciprocity is distinguished from reciprocal constructions which are syntactic. The syntactic operation of reciprocalization could be applied to the verbs from three classes proposed in Sections 3.1 – 3.3.The specific formal expressions used in Czech reciprocal constructions are analyzed in Sections 5-8. | Stať rozvíjí přístup nastíněny v Panevová (1999). Rozlišuje se inherentní lexikální reciprocita od reciprocity syntaktické. Lexikální třídy sloves, na něž lze aplikovat operaci reciprokalizace, jsou uvedeny v odd. 3.1-3.3. Explicitní lexikální prostředky pro reciprocitu se analyzují v odd. 5 -8. | [
"Jarmila Panevová",
"Marie Mikulová"
] | https://www.semanticscholar.org/paper/650da7d336bbf5c544ee3003b36fcbe606f9aa46/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Czech Academic Corpus 1.0 Guide | Průvodce Českým akademickým korpusem 1.0 | The guide to the Czech Academic Corpus version 1.0 is a roadmap to the CD-ROM. Within the context of the CD-ROM you will find the manually morphologically annotated corpus of Czech consisting of nearly 660,000 words along with tools for viewing and modifying them. The tools treating texts from the standpoint of morphology are available as well. The guide provides the users with the fundamental characteristics of the academic corpus, presenting the evolution of the corpus together with the motivation of the current edition. In addition, the brief guidelines to the tools offered are included. | Průvodce Českým akademickým korpusem verze 1.0 je průvodce CD-ROM. Objektem prohlídky je morfologicky ručně anotovaný korpus češtiny o celkovém objemu 660 tisíc slov a nástroje pro jeho prohlížení a úpravu spolu s nástroji pro zpracování textů z pohledu tvarosloví neboli morfologie. Průvodce dokumentuje historii korpusu, podněty k vytvoření jeho první verze a detaily jeho počítačové reprezentace. Zároveň poskytuje stručné návody k užívání nabízených nástrojů. | [
"Barbora Vidová Hladká",
"Jan Hajič",
"Jiří Hana",
"Jaroslava Hlaváčová",
"Jiří Mírovský",
"Jan Votrubec"
] | https://www.semanticscholar.org/paper/33afff75c27b75d623b9d7b96a32ea1774989e1a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Czech Academic Corpus 1.0 | Český akademický korpus 1.0 | The Czech Academic Corpus version 1.0 is a corpus with a manual annotation of morphology of the Czech language consisting of approximately 660,000 words. | Český akademický korpus verze 1.0 je morfologicky ručně anotovaným korpusem češtiny o objemu 660 tisíc slov. | [
"Barbora Vidová Hladká",
"Jiří Hana",
"Jan Hajič",
"Jaroslava Hlaváčová",
"Jiří Mírovský",
"Jan Votrubec"
] | https://www.semanticscholar.org/paper/33afff75c27b75d623b9d7b96a32ea1774989e1a/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Overview of the CLEF-2006 Cross-Language Speech Retrieval Track | Souhrn výsledků evaluace CLSR v rámci CLEF 2006 | The CLEF-2006 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. Five teams participated in the English evaluation, performing both monolingual and cross-language searches of ASR transcripts, automatically generated metadata, and manually generated metadata. Results indicate that the 2006 evaluation topics are more challenging than those
used in 2005, but that cross-language searching continued to pose no unusual challenges when compared with collections of character-coded text. Three teams participated in the Czech evaluation, but no team achieved results comparable to those obtained with English interviews. The reasons for this outcome are not yet clear. | Přehled výsledků Cross-Language Speech Retrieval Track organizované v rámci evaluační kampaně CLEF 2006. | [
"Douglas W. Oard",
"Jianqiang Wang",
"Gareth J.F. Jones",
"Ryen W. White",
"Pavel Pecina",
"Dagobert Soergel",
"Xiaoli Huang",
"Izhak Shafran"
] | https://www.semanticscholar.org/paper/ca1ad83b1b9f54c239e86d6f7a0b4c939048ba47/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Beyond Projectivity: Multilingual Evaluation of Constraints and Measures on Non-Projective Structures | Za projektivitou: mnohojazyčné vyhodnocení omezení a měr na neprojektivních strukturách | Dependency analysis of natural language has gained importance for its applicability in tasks of NLP. Non-projective structures are common in dependency analysis, therefore we need fine-grained means of describing them, especially for the purposes of machine-learning oriented approaches like parsing. We present an evaluation on twelve languages which explores several constraints and measures on non-projective structures. We pursue an edge-based approach concentrating on properties of individual edges as opposed to properties of whole trees. In our evaluation, we include previously unreported measures taking into account levels of nodes in dependency trees. Our empirical results corroborate theoretical results and show that an edge-based approach using levels of nodes provides an accurate and at the same time expressive means for capturing non-projective structures in natural language. | Závislostní analýza přirozeného jazyka získává na důležitosti díky své aplikovatelnosti v mnoha úlohách NLP. Mnohé ze vznikajících závislostních struktur jsou neprojektivní, vzniká tedy potřeba umět je podrobně popsat, zejména pro potřeby přístupů využívajících strojové učení, jako je např. parsing. Pomocí dat z dvanácti přirozených jazyků vyhodnocujeme několik omezení a měr na neprojektivních strukturách. Využíváme přitom přístupu založeného na vlastnostech jednotlivých hran oproti vlastnostem celých závislostních stromů. Ve svém vyhodnocení uvádíme dosud neprezentované míry neprojektivity, které v sobě zahrnují hladiny uzlů v závislostních stromech. Empirické výsledky podporují výsledky teoretické a prokazují, že přístup založený na vlastnostech hran využívající hladin uzlů poskytuje přesné a silné prostředky pro zachycení neprojektivních struktur v přirozených jazycích. | [
"Jiří Havelka"
] | https://www.semanticscholar.org/paper/c59d4b1a7c8491e169cc262a7a437413368a34e7/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Mathematical Properties of Dependency Trees and their Application to Natural Language Syntax | Matematické vlastnosti závislostních stromů a jejich aplikace na syntaxi přirozených jazyků | The thesis studies projectivity and non-projectivity in dependency trees. We present new mathematical results, the main ones being: a novel definition of projectivity, introduction of so-called level types of non-projective edges, the notion of projectivization, relationships between level types of non-projective edges and planarity (weak projectivity) and well-nestedness (which are both weaker conditions on the ordering of nodes in dependency trees than projectivity), and relevant algorithms together with their complexity analyses. In the second part of the thesis, we present an extensive evaluation of non-projective syntactic structures from about twenty natural language corpora using the formal means derived in the first part. | Dizertace zkoumá projektivitu a neprojektivitu v závislostních stromech. Uvádíme původní výsledky, z nichž nejdůležitější jsou: nová definice projektivity, zavedení takzvaných úrovňových typů neprojektivních hran, pojem projektivizace, vztahy mezi úrovňovými typy neprojektivních hran a planaritou (slabou projektivitou) a dobrou zahnízděností (v obou případech se jedná o podmínky na uspořádání na závislostních stromech slabší než projektivita), a příslušné algoritmy včetně jejich složitosti. Ve druhé části zkoumáme neprojektivní struktury v téměř dvaceti závislostních korpusech různých přirozených jazyků s využitím prostředků představených v první části. | [
"Jiří Havelka"
] | https://www.semanticscholar.org/paper/b8bb121fe481857f6a30a8c9e3a4861a9b77b062/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Relationship between Non-Projective Edges, Their Level Types, and Well-Nestedness | Vztah mezi neprojektivními hranami, jejich úrovňovými typy a dobrou zahnízděností | Dependency analysis of natural language gives rise to non-projective structures. The constraint of well-nestedness on dependency trees has been recently shown to give a good fit with empirical linguistic data. We present a reformulation of this constraint using properties of non-projective edges and show its formal relationship to level types of non-projective edges; we also derive a simple $\BigO(n^2)$ algorithm for checking well-nestedness. | Závislostní analýza přirozeného jazyka se neobejde bez neprojektivních struktur. O podmínce dobré zahnízděnosti bylo nedávno prokázáno, že dobře zachycuje empirická jazyková data. Ukazujeme, jak ji lze přeformulovat pomocí vlastností neprojektivních hran, a dále jejich vztah k úrovňovým typům neprojektivních hran; odvozujeme také jednoduchý kvadratický algoritmus pro ověřování dobré zahnízděnosti. | [
"Jiří Havelka"
] | https://www.semanticscholar.org/paper/4218adc781e70af5a09d91931fcf5b2c314b622d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Set of tools for converting valency lexicons into PDF and HTML presentation format | Balíček nástrojů pro konverzi valenčních slovníku pro prezentačních formátů PDF a HTML | A set of perl scripts for converting valency lexicons from the annotation format into HTML and PDF presentation formats. | Sada nástrojů implementovaných v Perlu pro konverzi valenčních slovníků z anotačního formátu do HTML a PDF. | [
"Zdeněk Žabokrtský"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Valency Information in VALLEX 2.0: Logical Structure of the Lexicon | Valenční informace ve slovníku VALLEX 2.0; Logická struktura dat | The Valency Lexicon of Czech Verbs (VALLEX 2.0) is a collection of linguistically
annotated data and documentation. It provides information on the valency structure of verbs in
their particular meanings / senses, possible morphological forms of their complementations and
additional syntactic information, accompanied with glosses and examples. The primary goal of
the following text is to briefly describe the content of VALLEX~2.0 data from a structural
point of view. | Valenční slovník českých sloves (VALLEX 2.0) shromažďuje lingvisticky zpracovaná data a jejich dokumentaci. Poskytuje informace o valenční struktuře sloves v jejich jednotlivých významech, počtu a možných morfologické formy jejich doplnění a
další syntaktické informace, spolu s poznámkami a příklady. Primárním cílem textu je stručně popsat datovou strukturu slovníku. | [
"Zdeněk Žabokrtský",
"Markéta Lopatková"
] | https://www.semanticscholar.org/paper/6d00d647cf085d7db6ae7b1a83788572ad0c31c7/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Issues of verb valency in syntactic annotation of a large corpus | Otázky slovesné valence v syntaktické anotaci velkého korpusu | In annotating a large corpus, it is highly useful to present an analysis of verb valency. | Při anotování velkého korpusu je velmi užitečné všímat si i slovesné valence. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | On plurality of opinion and searching of consencus in lingvuistics | O názorové pluralitě a hledání konsenzu v lingvistice | Since there are different views in linguistics, it is useful to look for consense. | Vzhledem k různosti názorů v lingvistice je v ní vždycky nezbytné hledání konsenzu. | [
"Petr Sgall",
"Václav Cvrček"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Corpus annotation as a test of a linguistic theory: The case of Prague Dependency Treebank | Anotace koprusu jako test lingvistické teorie na příkladu Pražského závislostního korpusu | Corpus annotation is not a self-contained task but one of its important application is a testing of linguistic theories. A systematic annotation of corpus makes it possible to test linguistic hypotehses. | Anotace korpusu je chápána jako důležitý prostředek pro testování lingvistické teorie. Na základě systematického anotování korpusu je možné ověřovat teoretické lingvstické hypotézy. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Information Structure from the Point of View of the Relation of Function and Form | Informačmí struktura věty z hlediska vztahu funkce a formy | Článek se věnuje analýze informační struktury věty z hlediska vztahu mezi funkcí a formou: rozlišujeme zde mezi sémanticky relevantním aktuálním členěním věty a prostředky jeho vyjádření (které mohou patřit do plánu morfologického, syntaktického a prozodického). | The function-form viewpoint (means and ends, and the regard to the communicative function) is applied to the analysis of the information structure of the sentence, distinguishing between the semantically relevant topic-focus articulation and its means of expression (morphological, syntactic, prosodical). | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/2805b648a9708df305c13a3e9c3d60591010558e/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Life story | Medailon | A critical survey of research achievements with special regard to computational and theoretical linguistics. | Přehled životních osudů vědeckých výsledků především z oblasti komputační a teoretické lingvistiky. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/8190ca6fcabf777a453d9457e1d22f07679d21ce/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | On some aspects of Praguian functionalism | K některým aspektům Pražského funkcionalismu | Analysis of the approach of the Prague Linguistic School as one of the important trends of structuralist thinking. | Rozbor frunkčního přístupu Pražské lingvistické školy jako jednoho z významných myšlenkových proudů strukturalismu. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/565ba0cc2239c4d7ee27888760b2f77940decf7e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | The Need of Deep Annotation of Corpus: A Case Study | Potřeba hloubkové anotace korpusu: případová studie | Arguments are given for an underlying syntactic annotation of sentences of large text corpora. | Potřebnost anotace korpusu na podkladové rovině je dokumentována na rozboru několika jazykových jevů. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | The Position of TFA (Information Structure) in a Dependency Based Description of Language | Postavení aktuálního členění v závislostním popisu jazyka | Topic-Focus Articulation in a formal description of language based on dependency grammar; relevance of TFA for the meaning of the sentence. | Postavení aktuálního členění věty v teoretickém popisu jazyka na základě závislostních vztahů; relevance aktuálního členění pro význam věty | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/4f30a5b11105e726b50d823bbbe1d0953474fc53/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Artificial Intelligence 5 | Jazyk a umělá inteligence: kudy a kam? | Natural language understanding is considered to be one of the urging issues of systems of artificial intelligence. | Porozumění přirozenému jazyku se chápe jako jeden z důležitých komponentlů systémů umělé inteligence.
Ptáme se, kam až teoretická i komputační lingvistika ve svém příspěvku k umělé inteligenci došla a kudy podle našeho mínění i zkušeností vede k tomuto cíli cesta.
Ilusrujeme na projektech a výsledcích pražské skupiny počítačové lingvistiky na MFF UK, a to ve třech oblastech: (i) příprava jazykových zdrojů, (ii) využití těchto zdrojů pro některé aplikace a (iii) na příkladu jednoho integrovaného projektu týkajícího se rozpoznávání mluveného jazyka a vyhledávání informací ve velmi velkých mluvených souborech. | [
"Eva Hajičová",
"Jan Cuřín",
"Jan Hajič",
"Ondřej Kučera",
"Barbora Vidová Hladká"
] | https://www.semanticscholar.org/paper/42523aba38fad7815d6f36b5ade1bc4ddedd62ad/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Contextual Boundness and Contrast in the Prague Dependency Treebank | Kontextová zapojenost a kontrast | The claim of the paper is that the Topic/Focus structure of the sentence does not involve only a bipartioon of the sentence structure but that in the topic part of the sentence a special status should be given to a contrastive element. | V anotacich Pražského závislostního korpusu se při anotaci aktuálního členění bere v úvahu i rozlišení kontrastivního členu základu výpovědi. | [
"Eva Hajičová",
"Petr Sgall",
"Kateřina Veselá"
] | https://www.semanticscholar.org/paper/59aaa366f32b75f1834486d707352088bf941965/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Structure of Submodels - Diagonal indiscernibility in Models of Arithmetic | Struktura podmodelů - Diagonální nerozlišitelnost v modelech aritmetiky | In this thesis, we study a range of questions concerning submodels of models of Peano arithmetic (PA) or its fragments. Our study focuses on three different areas that share a common central topic, namely diagonally indiscernible elements.
In the first part, we explore a diagonal version of the Infinite Ramsey Theorem provable in PA and partially provable in fragments of PA. We provide a detailed level-by-level analysis of the principle in terms of the arithmetical hierarchy and the corresponding fragments of the schemes of induction and collection. Then we derive a theorem characterizing Σn -elementary initial segments of a given model that satisfy (fragments of) PA as cuts on certain systems of diagonal indiscernibles.
In the second part, we study initial segments with some specific properties, and especially their distribution in a given countable model M |= PA.
We provide a theorem that gathers general topological consequences of the method of indicators. We then extend the theorem with further results about some prominent families of Σn -elementary initial segments (among others,
those satisfying PA or IΣn+k , and those isomorphic to M). For example, by applying the results from the first part, we prove that every interval that contains an Σn -elementary initial segment satisfying IΣn+k (or PA) contains
a closed subset of such initial segments that is order-isomorphic to the Cantor set. We conclude by proving some strict inclusions between the topological closures of the studied families.
In the last part, we study the properties of the Stone space of the algebra of definable subsets of a given countable model M |= PA. We present
the topic from a non-standard viewpoint, situating the countable base model M into some ℵ1 -saturated elementary extension C, under which ultrafilters from the Stone space appear as sets of 1-indiscernible elements, called monads. Our main tool here is the Rudin-Keisler (RK) pre-order on monads. We investigate monads of diagonally indiscernible elements and diagonal partition properties on monads. Among other results, we prove that RK-minimal monads (which correspond to selective ultrafilters), p-monads (which corre-
spond to p-points), and regular monads, in this order, are properties of strictly
decreasing strengths. Furthermore, we show that the counter-examples (e.g. p-points that are not RK-minimal) form dense subsets in the the corresponding subspaces of the Stone space. | Práce se zabývá studiem podmodelů modelů Peanovy aritmetiky a jejích fragmentů. Klíčovou úlohu v této práci hraje pojem diagonální nerozlišitelnosti, pomocí nějž se studují tři okruhům otázek: zobecnění nekonečné Ramseyovy věty na diagonální nerozlišitelnost, vlastnosti a rozložení specifických řezů modelů aritmetiky a zkoumání vlastností Stoneova prostoru algebry definovatelných množin spočetného modelu Peanovy aritmetiky užitím nestandardních metod (vnoření do velkého modelu). | [
"Petr Pajas"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | MEd - an editor of interlinked multi-layered linearly-structured linguistic annotations | MEd - editor vzájemně propojených vícevrstevných sekvenčních anotací | MEd is an annotation tool in which linearly-structured annotations of text or audio data can be created and edited. The tool supports multiple stacked layers of annotations that can be interconnected by links. MEd can also be used for other purposes, such as word-to-word alignment of parallel corpora.
MEd is the main annotation tool for the project Prague Dependency Treebank of Spoken Language (PDTSL). The native format of the tool is PML - the Prague Markup Language. | MEd je anotační nástroj, v němž lze vytvářet a upravovat lineárně strukturované anotace textu nebo akustických dat. Tento nástroj podporuje několik vrstev anotací, které mohou být vzájemně propojeny odkazy. MEd lze použít také pro jiné účely, jako je zarovnání paralelních korpusů na bázi slov. MEd je hlavním nástrojem pro anotaci projektu Pražský závislostní korpus mluvené řeči (PDTSL). Nativním formátem tohoto nástroje je PML - Prague Markup Language. | [
"Petr Pajas",
"David Mareček"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | CLEF 2007 Ad-Hoc Test Collection | CLEF 2007 Ad-Hoc testovací kolekce | A test collection employed for evaluation of the information retrieval systems at the Ad-Hoc track at CLEF 2007. | Testovací kolekce použita pro evaluaci systémů pro ad-hoc vyhledávní informací v rámci CLEF 2007. | [
"Pavel Pecina",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/72431c12b6d31478e54c2963fba8456b7a892fa4/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | CLEF 2007 CL-SR Test Collection | CLEF 2007 CL-SR testovací kolekce | The test collection employed for evaluation of the speech retrieval systems at Cross-language Speech Retrieval track at CLEF 2007. | Testovací kolekce použita pro evaluaci systémů pro vyhledávní v mluvené řeči v rámci CLEF 2007 | [
"Pavel Pecina",
"Jan Hajič",
"Pavel Ircing"
] | https://www.semanticscholar.org/paper/caae1cd44b545c400f1a82159dc50680fa6ec4ec/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | 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",
"Ying Zhang",
"Douglas W. Oard"
] | https://www.semanticscholar.org/paper/676de125f0a6b487bdc10bc59c4fd4b48b3375b3/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Looking back at the 32nd year of Olympic games in Czech language | Ohlédnutí za 32. ročníkem Olympiády v českém jazyce | Evaluation of the linguistic contest, overview of selected tasks in linguistics and essays. | Vyhodnocení jazykovědné soutěže, přehled vybraných úkolů z jazykovědy a slohu. | [
"Karel Oliva",
"Šárka Zikánová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Information Retrieval Test Collection for Searching Spontaneous Czech Speech | Testovací kolekce pro vyhledávání informací ve spontánní mluvené řeči | This paper describes the design of the first large-scale IR test collection built for the Czech language. This collection also happens to be very challenging, as it is based on a continuous text stream from automatic transcription of spontaneous speech and thus lacks clearly defined document
boundaries. All aspects of the collection building are presented, together with some initial experiments. | Tento článek popisuje návrh první rozsáhlé české testovací kolekce pro vyhledávání informací v mluvené řeči. | [
"Pavel Ircing",
"Pavel Pecina",
"Douglas W. Oard",
"Jianqiang Wang",
"Ryen W. White",
"Jan Hoidekr"
] | https://www.semanticscholar.org/paper/a05439a67dbe8de2ebea6781098fbe4df91719a5/ | null | null | null | null | null | null | null | null | null | null | null | null |