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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
cs | 2007 | PDT Vallex 2.0 | PDT Vallex 2.0 | Contains valency lexicon for all verbs and some nouns and adjectives from PDT 2.0 in XML format. | Obsahuje valenční slovník pro všechna slovesa a některá substantiva a adjektiva z PDT 2.0 v XML formátu. | [
"Zdeňka Urešová",
"Jan Štěpánek",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/39b9394be0cf60a671d201a8074ccbe473ee93b5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Digitisation and Automatic Alignment of the DIALOG Corpus: Prosodically Annotated Corpus of Czech Television Debates | Digitalizace a automatický alignment korpusu DIALOG: prosodicky anotovaný korpus českých diskusních pořadů | This article describes the development and automatic processing of the audio-visual DIALOG corpus. The DIALOG corpus is a prosodically annotated corpus of Czech television debates that has been recorded and annotated at the Czech Language Institute of the Academy of Sciences of the Czech Republic.
It has recently grown to more than 400 VHS 4-hour tapes and 375 transcribed TV debates. The described digitisation process and automatic alignment enable an easily accessible and user-friendly research environment, supporting the exploration of Czech prosody and its analysis and modelling. This project has been carried out in cooperation with the Institute of Formal and Applied Linguistics of Faculty of Mathematics and Physics, Charles University, Prague. Currently the first version of the DIALOG corpus is available to the public (version 0.1, http://ujc.dialogy.cz). It includes 10 selected and revised hour-long talk shows. | Článek popisuje budování a automatické zpracování audio-visuálního korpusu DIALOG. Korpus DIALOG je prosodicky anotovaný korpus českých televizních diskusí nahrávaných a anotovaných v Ústavu pro jazyk český Akademie věd České republiky.
V současnosti obsahuje více jak 400 VHS 240min kazet a 375 přepsaných pořadů. Popisovaný digitalisační proces a automatický alignment umožnily vznik uživatelsky přívětivého výzkumného prostředí podporujícího zkoumání prosodie češtiny, její analýzu a modelování. Tento projekt je řešen ve spolupráci s Ústavem formální a aplikované lingvistiky, MFF UK. První veřejně dostupná verze korpusu DIALOG obsahuje 10 revidovaných hodinových pořadů a je přístupná na adrese http://ujc.dialogy.cz. | [
"Nino Peterek",
"Petr Kaderka",
"Zdeňka Svobodová",
"Eva Havlová",
"Martin Havlík",
"Jana Klímová",
"Patricie Kubáčková"
] | https://www.semanticscholar.org/paper/4e0af403380cdd8f33ed4062f7e875b61d89c18f/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Demo Proposal: Extensible Integrated Treebank Annotation Environment | Rozšiřitelné integravané prostředí pro anotaci treebanků | The proposed demo would aim to present the technology behind the Prague Arabic Dependency Treebank (Hajič et al., 2004), a project of linguistic annotation having application in many areas of Natural Language Processing. | Cílem navrhovaného dema by bylo předvést technologii stojící za Pražským arabským závislostním korpusem (Hajič et al., 2004), projektem jazykové anotace, který lze aplikovat v mnoha oblastech počítačového zpracování přirozeného jazyka. | [
"Otakar Smrž"
] | https://www.semanticscholar.org/paper/73b59bb61f3b6c28712c3e0a7c94e8253e1961fd/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | ElixirFM | ElixirFM | An implementation of the original linguistic model of the Functional Arabic Morphology includes both the declarative definition of the system in Haskell, and an extensive Arabic morphologic dictionary. Published under the GNU GPL license. | Implementace originálního lingvistického modelu Funkční arabské morfologie, která zahrnuje jak deklarativní definici systému v jazyce Haskell, tak i rozsáhlý arabský morfologický slovník. Publikováno pod licencí GNU GPL. | [
"Otakar Smrž"
] | https://www.semanticscholar.org/paper/589e3f5c07a050079e731928854dfb0176eb6968/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | ElixirFM -- Implementation of Functional Arabic Morphology | ElixirFM -- Implementace Funkční arabské morfologie | An implementation of the original linguistic model of the Functional Arabic Morphology includes both the declarative definition of the system in Haskell, and an extensive Arabic morphologic dictionary. Published under the GNU GPL license. | Implementace původního lingvistického modelu Funkční arabské morfologie zahrnuje jak deklarativní definici systému v Haskellu, tak rozsáhlý arabský morfologický slovník. Šířeno pod licencí GNU GPL. | [
"Otakar Smrž"
] | https://www.semanticscholar.org/paper/589e3f5c07a050079e731928854dfb0176eb6968/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Functional Arabic Morphology. Formal System and Implementation | Funkční arabská morfologie. Formální systém a implementace | Functional Arabic Morphology is a formulation of the Arabic inflectional system seeking
the working interface between morphology and syntax. ElixirFM is its high-level implementation
that reuses and extends the Functional Morphology library for Haskell.
Inflection and derivation are modeled in terms of paradigms, grammatical categories,
lexemes and word classes. The computation of analysis or generation is conceptually
distinguished from the general-purpose linguistic model.
The lexicon of ElixirFM is designed with respect to abstraction, yet is no more complicated
than printed dictionaries. It is derived from the open-source Buckwalter lexicon
and is enhanced with information sourcing from the syntactic annotations of the Prague
Arabic Dependency Treebank.
MorphoTrees is the idea of building effective and intuitive hierarchies over the information
provided by computational morphological systems. MorphoTrees are implemented
for Arabic as an extension to the TrEd annotation environment based on Perl.
Encode Arabic libraries for Haskell and Perl serve for processing the non-trivial and
multi-purpose ArabTEX notation that encodes Arabic orthographies and phonetic transcriptions
in parallel. | Funkční arabská morfologie je formulace arabského flexivního systému, která se snaží najít fungující rozhraní mezi morfologií a syntaxí. ElixirFM je její vysokoúrovňová implementace, která využívá a rozšiřuje funkční morfologickou knihovnu pro Haskell. | [
"Otakar Smrž"
] | https://www.semanticscholar.org/paper/f0c2d555aadde1e93faadc39ff7c02734c221c3d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Functional Arabic Morphology: Dissertation Summary | Funkční arabská morfologie: shrnutí dizertační práce | This is a summary of the author's PhD dissertation defended on September 17, 2007 at the Faculty of Mathematics and Physics, Charles University in Prague. The results comprised in the thesis were obtained within the author's doctoral studies in Mathematical Linguistics during the years 2001-2007. The complete dissertation is available via http://sourceforge.net/projects/elixir-fm/. | Toto je shrnutí autorovy doktorské disertační práce obhájené 17. září 2007 na Matematicko-fyzikální fakultě Univerzity Karlovy v Praze. Výsledků v disertaci prezentovaných bylo dosaženo během autorova doktorského studia matematické lingvistiky v letech 2001-2007. Celá disertace je dostupná přes http://sourceforge.net/projects/elixir-fm/. | [
"Otakar Smrž"
] | https://www.semanticscholar.org/paper/d36a319b5984861579b6adac34cf046030bf31d0/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Learning to Use the Prague Arabic Dependency Treebank | Jak využívat Pražský arabský závislostní korpus | Prague Arabic Dependency Treebank, recently published in its first version, is both a collection of multi-level linguistic annotations of Arabic texts, and a suite of unique software implementations designed for general use in Natural Language Processing. | Pražský arabský závislostní korpus, nedávno vydaný ve své první verzi, je jednak kolekcí anotací arabských textů na více rovinách, jednak balíčkem softwarových nástrojů vytvořených pro použití v počítačovém zpracování přirozeného jazyka. | [
"Otakar Smrž",
"Petr Pajas",
"Zdeněk Žabokrtský",
"Jan Hajič",
"Jiří Mírovský",
"Petr Němec"
] | https://www.semanticscholar.org/paper/9ab73417de7403963a65af52478b206904a01632/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | DZ Interset 0.2 | DZ Interset 0.2 | A framework and Perl library for converting between various tag sets. | Prostředí a Perlová knihovna pro konverzi mezi různými sadami značek. | [
"Daniel Zeman"
] | https://www.semanticscholar.org/paper/bd50f3f420ba8e460f9c2b3b50ba6c95e460c127/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Lexical Annotation Workbench (LAW), Version 0.7 | Lexical Annotation Workbench (LAW), Verze 0.7 | Lexical Annotation Workbench (LAW) is an integrated environment for morphological annotation. It supports simple morphological annotation, comparison of different annotations of the same text, searching for particular word, tag etc. | Lexical Annotation Workbench (LAW) je integrované prostředí pro morfologickou anotaci. Podporuje jednoduchou anotaci, porovnávání různých anotací téhož textu, hledání určitého slova, značky, atd. | [
"Jiří Hana"
] | https://www.semanticscholar.org/paper/086d39698d78f96247dc6f0cc3b29fad177a1d40/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Our lucky moments with Frederick Jelinek | Šťastné okamžiky s Frederickem Jelinkem | Laudation for Professor Frederick Jelinek on the occasion of his 75th birthday. | Laudatio k sedmdesátýmpátým narozeninám profesora Fredericka Jelinka. | [
"Barbora Hladká"
] | https://www.semanticscholar.org/paper/295199ff79844613c48c497f5c0312fa7a243e44/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | A Corpus-based exercise book of Czech | Cvičebnice češtiny postavená na korpusu | We present the STYX system, which is designed as an electronic corpus-based exercise book of Czech with exercises directly selected from the Prague Dependency Treebank, the largest annotated corpus of Czech. The exercise book offers a complex sentence processing with respect to morphological and syntactic phenomena, i. e. the exercises give practice in classifying parts of speech and particular morphological categories of words and in parsing a sentence and classifying syntactic functions of words. The exercise book covers a subject matter the students of secondary schools should master. | Představujeme systém STYX, který je navržen jako elektronická civčebnice českého tvarosloví a české syntaxe.
Téměř 12 000 cvičebnicových příkladů je vybráno z Pražského závislostního korpusu, nejrozsáhlejšího anotovaného korpusu češtiny. Cvičebnice nabízí komplexní zpracování věty z pohledu morfologických a syntaktických jevů, které pokrývají učební látku středních škol a vyšších tříd základních škol. | [
"Barbora Hladká",
"Ondřej Kučera"
] | https://www.semanticscholar.org/paper/a4c7d92c5707f11d1d2fda82f41503f84a808133/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Annotation on the tectogrammatical level in the Prague Dependency Treebank | Anotace na tektogramatické rovině v Pražském závislostním korpusu | This reference book is a shortened version of an extensive manual called Annotation on the tectogrammatical level
in the Prague Dependency Treebank. Annotation manual. (see Prague Dependency Treebank 2.0, CDROM,
doc/manuals/en/t-layer/), which contains the complete and detailed description of sentence representation at the
tectogrammatical level (it is necessary to consult the “big” manual for exact, detailed and complete information). | Příručka je zkrácenou verzí rozsáhlého manuálu: Anotace na tektogramatické rovině Pražského závislostného
korpusu. Anotátorská příručka. (viz Prague Dependency Treebank 2.0, CDROM, doc/manuals/cz/t-layer/), který
obsahuje podrobný a úplný popis reprezentace věty na tektogramatické rovině (přesné, podrobné a úplné informace
je třeba vždy čerpat z „velkého“ manuálu). | [
"Marie Mikulová",
"Alevtina Bémová",
"Jan Hajič",
"Eva Hajičová",
"Jiří Havelka",
"Veronika Kolářová",
"Lucie Kučová",
"Markéta Lopatková",
"Petr Pajas",
"Jarmila Panevová",
"Magda Ševčíková",
"Petr Sgall",
"Jan Štěpánek",
"Zdeňka Urešová",
"Kateřina Veselá",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/69cb6fee91810c1a6630cffaf2f6a40e9f40f3ba/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Valency of Selected Verbs of Motion in Czech | Valence vybraných sloves pohybu v češtině | The interdependance between verbal prefixes and valency frames with the verbs of motion is studied. | Poukazuje se na souvislost slovesné předpony a valenčních vlastností slovesa. Polysémické vlastnosti předpon souvisejí úzce s valencí slovesa. | [
"Markéta Lopatková",
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | VALLEX 2.5 - Valency Lexicon of Czech Verbs, version 2.5 | VALLEX 2.5 - Valenční slovník českých sloves, verze 2.5 | The Valency Lexicon of Czech Verbs, Version 2.5 (VALLEX 2.5), is a collection of linguistically annotated data and documentation, resulting from an attempt at formal description of valency frames of Czech verbs. VALLEX 2.5 has been developed at the Institute of Formal and Applied Linguistics, Faculty of Mathematics and Physics, Charles University, Prague. VALLEX 2.5 is a successor of VALLEX 1.0, extended in both theoretical and quantitative aspects. VALLEX 2.5 provides information on the valency structure (combinatorial potential) of verbs in their particular senses. VALLEX is closely related to the Prague Dependency Treebank project: both of them use Functional Generative Description (FGD), being developed by Petr Sgall and his collaborators since the 1960s, as the background theory. In VALLEX 2.5, there are roughly 2,730 lexeme entries containing together around 6,460 lexical units ("senses"). Note that VALLEX 2.5 - according to FGD, but unlike traditional dictionaries and also unlike VALLEX 1.0 - treats a pair of perfective and imperfective aspectual counterparts as a single lexeme (if perfective and imperfective verbs would be counted separately, the size of VALLEX 2.5 would virtually grow to 4,250 verb entries). To ensure high quality of the data, all VALLEX entries have been created manually, using several previously existing lexicons as well as corpus evidence from the Czech National Corpus. | VALLEX 2.5 poskytuje informaci o valenční struktuře sloves v jejich specifických významech. VALLEX je úzce spjat s Pražským závislostním korpusem, který také využívá Funkčního generativního popisu jako podkladovou teorii. Ve VALLEXu 2.5 je obsaženo zhruba 2.730 lexémů obsahujících dohromady kolem 6.460 lexikálních jednotek ("významů"). | [
"Markéta Lopatková",
"Zdeněk Žabokrtský",
"Václava Kettnerová",
"Karolína Skwarska",
"Eduard Bejček",
"Klára Hrstková",
"Michaela Nová",
"Miroslav Tichý"
] | https://www.semanticscholar.org/paper/5705219b374add9739807846a60c65feec585fbb/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Towards a Formal Model for Functional Generative Description: Analysis by Reduction and Restarting Automata | Formální model Funkčního generativního popisu: redukční analýza a restartovací automaty | Functional Generative Description is a dependency based descriptive system, which has been in
development since the 1960s. It was
originally implemented as a generative procedure, but lately we have been interested in a declarative representation. The object
of the present paper concerns the foundations of a reduction system, which is more complex than a reduction system for a (shallow) syntactic analyzer, since it provides not only the
possibility of checking the well-formedness of the (surface) analysis of a sentence, but its underlying representation as well. Such a reduction system makes it possible to define formally the analysis as well as the synthesis of a sentence. | Funkční generativní popis je závislostní popis češtiny, který se vyvýjí od šedesátých let minulého století. Původně byl implementován jako generativní postup, ale později jsme se zabývali jeho deklarativní reprezentací. Tohoto článek se týká základů redukčního systému, který dovoluje zachycovat složitější vztahy než jsou povrchová syntaktické vztahy ve větě, protože poskytuje nejen možnost kontroly správnosti povrchové analýzy věty, ale i její hloubkové reprezentace. Takový redukční systém umožňuje formálně definovat analýzu a syntézu věty. | [
"Markéta Lopatková",
"Martin Plátek",
"Petr Sgall"
] | https://www.semanticscholar.org/paper/f36a2e395d1db20617ec113ff8f2a9a722c78f72/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Automatic Analysis of Temporal Relations within a Discourse | Automatická analýza časových relací v diskurzu | In this paper we present an annotation scheme that captures general temporal relations between events expressed in a discourse. | V tomto článku prezentujeme anotační schéma, které zachycuje obecné časové vztahy mezi událostmi vyjádřené v diskurzu. | [
"Petr Němec"
] | https://www.semanticscholar.org/paper/b8ff90096f2e0d3ef147cd1d5402b904a9e03dcf/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Capturing the Meaning of Time Expressions: A Functional Approach | Zachycení významu časových výrazů: funkční přístup | In this paper we present a functional approach to capture the information conveyed by various time expressions within a discourse. The
approach is motivated by annotation scheme that captures general temporal relations between events expressed in a discourse. A parser
for Czech as well as an inference engine that makes it possible to compare functional compositions is implemented. | V tomto článku prezentujeme funkční přístup k zachycení informace, kterou v diskurzu pokrývají různé časové výrazy. | [
"Petr Němec"
] | https://www.semanticscholar.org/paper/1e602f5f713cbb0696ef0a5d94bc7751adb99e47/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Verb Valency Frames Disambiguation | Disambiguace valenčních rámců sloves | This work deals with automatic disambiguation of verb valency frames on Czech data. Main contribution lies in determining of the most useful features for valency frame disambiguation. We experimented with diverse types of features, including morphological, syntax-based, idiomatic, animacy andWordNet-based. The considered features were classiffed using decision trees, rule-based learning and Naive Bayes classiffer. On a set of 7 778 sentences we achieved accuracy of 79.86% against baseline 68.27% obtained by assigning the most frequent frame. | Práce se zabývá automatickou desambiguací slovesných valenčních rámců na českých datech. Hlavním přínosem je stanovení nejužitečnějších rysů pro zjednoznačnění valenčních rámců. | [
"Jiří Semecký"
] | https://www.semanticscholar.org/paper/7bf299c022dfa97f80955564398ba3e1f582e0ca/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Functional Generative Description and Format Theory of Translation | Funkční generativní popis a formální teorie překladů | This paper describes the Functional Generative Description Czech (FGP) upon the background of formal theory of translation for formal languages. Emphasis is placed on linking formal models of language (linguistic) descriptions. One of the forms of formal model fo FGP was a composition of five translation grammars. Here we introduce the generative power of such systems. Furthermore, we introduce a new formal model based on the translation restarting automata. | V tomto příspěvku se zabýváme Funkčním generativním popisem češtiny (FGP) na pozadí formální teorie překladů a formální teorie jazyků. Klademe důraz na propojení formálních modelů s jejich jazykovou (lingvistickou) náplní. Jednou z formálních podob FGP byla kompozice překladů pomocí pěti překladových gramatik. Zavedeme zde rozlišovací sílu takových systémů. Dále představíme nový formální model založený na překladových restartovacích automatech. | [
"Martin Plátek",
"Markéta Lopatková"
] | https://www.semanticscholar.org/paper/ce20fe03da9c6245be040105086b587afd9e3bba/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Corpus Defects | Korpusové chyby | The article proposes a typology of errors that occur in morphologically annotated corpora, demonstrated on the example of the Czech National Corpus, its version SYN2000. It is morphologically annotated corpus with 3 attributes: word form, lemma and morphological tag. Word forms come from original texts acquired from various providers, the other two are added by corpus builders during the annotation.
It explains the process of morphological annotation, its three phases – morphological analysis, guesser and disambiguation. It describes types of errors that can occur during the individual phases and why. And it discusses possibilities of their removal.
There are three main categories of errors: original errors coming from original texts, coding errors that come from possible recoding of various texts into one common format, and annotation errors due to faults in morphological dictionary and imperfections in the disambiguation – the statistical as well as rule-based.
All types of corpus defects are documented by examples from the corpus SYN2000. | Příspěvek popisuje typologii chyb objevujících se v morfologicky anotovaných korpusech. Typy jsou demonstrovány na příkladech z českého korpusu SYN2000. Tři hlavní typy chyb jsou: původní chyby pocházející z originálních textů, kódovací chyby a anotační chyby. | [
"Jaroslava Hlaváčová"
] | https://www.semanticscholar.org/paper/3949f8ea6f8926d28c27e84bbdde8afe9bb7b336/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | “Movement towards Structure”: Foreign Learners, Language Patterns and Learners' Lexicons | Hopperovo „Movement Towards Structure“: pravidelnosti v jazyce a slovníky pro cizince | This paper observes the Swedish auxiliary verb "hålla på", commonly used as a progressivity marker in pseudocoordination with a process verb. In some contexts, especially in combination with negation, "hålla på" gives the process denoted by the lexical verb a flavour of constancy. The corpus evidence proves that this semantic feature is spreading onto non-negated contexts, too, which implies that the auxiliary construction "hålla på och" is becoming polysemous. This interesting semantic shift is related to Hopper's (1987) idea of grammaticalization regarded as "movement towards structure" as well as to the concept of "context-induced reinterpretation" as one type of semantic shifting described by Heine, Claudi and Hünnemeyer (1991). | Článek pozoruje švédské sloveso "hålla på", běžně používané v pseudokoordinaci s významovým slovesem jako pomocné sloveso průběhového času u dějových sloves. V některých kontextech, zejména v kombinaci s negací, sloveso "hålla på" překvapivě dodává slovesu, s kterým je v koordinaci, významový rys konstantnosti daného děje. Korpusové konkordance prokazují tendenci rozšíření tohoto významového rysu na kontexty bez negace, což znamená, že se pomocná konstrukce "hålla på och" stává polysémním. Tento zajímavý významový posun je dáván do souvislosti s Hopperovou ideou gramatikalizace a s obecným mechanismem sémantického posunu, jenž popsali Heine, Claudi a Hünnemeyer (1991) a nazvali jej "context-induced reinterpretation". | [
"Silvie Cinková"
] | https://www.semanticscholar.org/paper/44661cbb5537efd16bfb98e5fd8d9e0cb8a3d3b5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | mmi_clustering | MMI shlukování | MMI_clustering is a set of command line tools implementing Mercer's maximum mutual information-based clustering technique. Main clustering program comes with subsidiary tools for class-based text transformations and result visualization. Together these form useful gadget for language modeling, study of semantic classes, or even analysis of authors' specific associations. The package contains program computing classification tree (growing it in an eager way from leafs (that is words) to its root), program for cutting this tree at a given level so we could obtain predetermined number of word classes and finally there is a visualizer/transformer drawing trees (ASCII-art based) and using classes to transform input text into a text where each word would be annotated with its class for example (the output format is quite configurable). | MMI_clustering je sada nástrojů příkazové řádky, kterým se provádí Mercer maximální vzájemnou výměnu informací na základě shlukování-technika. Hlavní program shlukování přichází s podpůrné nástroje pro třídu-založené text výsledek transformace a vizualizace. Dohromady tyto formuláře useful gadget pro jazykové modelování, studium sémantických tříd, nebo dokonce rozbor konkrétních autorů 'sdružení. Balíček obsahuje program počítačové zařazení stromu (roste ho dychtivě cestu z listů (to je slovo) na jeho root), program pro dělení tohoto stromu na dané úrovni, abychom mohli získat předem stanovený počet slovních druhů a nakonec je visualizer / transformátor kreslení stromů (ASCII art-based) a pomocí třídy transformovat vstupní text do textu, kde by každé slovo označí své třídě například (výstupní formát je velmi konfigurovatelný). | [
"David Klusáček"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Cedit - Semantic Networks Manual Annotation Tool | Cedit - nástroj pro ruční anotaci sémantických sítí | We present a demonstration of an annotation tool designed to annotate texts into a semantic network formalism called MultiNet. The tool is based on a Java Swing GUI and allows the annotators to edit
nodes and relations in the network, as well as links between the nodes in the network and the nodes from the previous layer of annotation. The data processed by the tool in this presentation are from the English version of the Wall Street Journal. | Prezentujeme demonstraci anotačního nástroje pro anotování textů do formalismu sémantických sítí zvaného MultiNet. Nástroj je založen na grafickém uživatelském rozhraní Java Swing a umožňuje anotátorům editovat uzly a relace v síti a také vazby mezi uzly v síti a uzly předchozí anotační roviny. Data zpracovaná nástrojem v této prezentaci pocházejí z anglické verze Wall Street Journalu. | [
"Václav Novák"
] | https://www.semanticscholar.org/paper/5b4cacad9512de1f5ac7c09aa12997c4366ebcbe/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Large Semantic Network Manual Annotation | Anotace rozsáhlých sémantických sítí | This abstract describes a project aiming at manual annotation of the content of natural language utterances in a parallel text corpora. The formalism used in this project is MultiNet – Multilayered Extended Semantic Network. The annotation should be incorporated into the Prague Dependency Treebank as a new annotation layer. | Tento abstrakt popisuje projekt, jehož cílem je ruční anotace obsahu výpovědí v přirozeném jazyce v paralelních textových korpusech. Používáme formalismus zvaný MultiNet - Vícevrstvou rozšířenou sémantickou síť. Anotace by měla být zahrnuta jako nová anotační rovina do Pražského závislostního korpusu. | [
"Václav Novák"
] | https://www.semanticscholar.org/paper/0b41e79c90e9a771f5497e8f42beacfe43ed2751/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Feature Engineering in Maximum Spanning Tree Dependency Parser | Vylepšování sady rysů pro závislostní parser založený na algoritmu maximální orientované kostry | In this paper we present the results of our experiments with modifications of the feature set used in the Czech mutation of the Maximum Spanning Tree parser. First we show how new feature templates improve the parsing accuracy and second we decrease the dimensionality of the feature space to make the parsing process more effective without sacrificing accuracy. | Článek se zabývá možnostmi modifikace souboru rysů, který je použit v závislostní parseru založeném na hledání maximální kostry grafu. | [
"Václav Novák",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/1bb6422fd67bdccf10442a3a1cbf8883d169720b/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | STYX 2007 | STYX 2007 | 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. | 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/ad49aef5fae8f679bbd10d0a8609de5e21247dc9/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Log-linear Models of Non-projective Trees, k-best MST Parsing and Tree-ranking | Log-lineární modely neprojektivních stromů pro parsing pomocí k nejlepších orientovaných koster s využitím přeuspořádávání | We present our system used in the CoNLL 2007 shared task on multilingual parsing. The system is composed of three components: a k-best maximum spanning tree (MST) parser, a tree labeler, and a reranker that orders the k-best labeled trees. We present two techniques for training the MST parser: tree-normalized and graph-normalized
conditional training. The tree-based
reranking model allows us to explicitly model global syntactic phenomena. We describe the reranker features which include non-projective edge attributes. We provide an analysis of the errors made by our system and suggest changes to the models and features that might rectify the current system. | V článku popisujeme námi vyvinutý systém, který jsme použili při veřejné úloze vícejazyčného parsingu CoNLL 2007. Systém tvoří tři komponenty: parser založený na hledání k nejlepších orientovaných koster, značkovač pro závislostní stromy a reranker, který přeuspořádává k nejlepších označkovaných stromů. Představujeme dva způsoby trénování parseru založeného na orientovaných kostrách: podmíněné trénování založené na stromové normalizaci a na grafové normalizaci. Přeuspořádávací model pro stromy dovoluje explicitně modelovat globální syntaktické jevy; rysy používané rerankerem zahrnují rysy popisující neprojektivní hrany. Analyzujeme chyby v parsingu našeho systému a navrhujeme možné změny použitých modelů, které by mohly přispět k jeho zlepšení. | [
"Keith Brendan Hall",
"Jiří Havelka",
"David A. Smith"
] | https://www.semanticscholar.org/paper/ebff2e4bf235e2633a1bafbefd5e611f67eb7f2e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Improving implementation of linear discriminant analysis for the high dimension/small sample size problem | Vylepšení implementace linearní diskriminační analýzy pro "high dimension/small sample size problem". | Classification based on Fisher's linear discriminant analysis (FLDA) is challenging when the number of variables largely exceeds the number of given samples. The original FLDA needs to be carefully modified and with high dimensionality implementation issues like reduction of storage costs are of crucial importance. Methods are reviewed for the high dimension/small sample size problem and the one closest, in some sense, to the classical regular approach is chosen. The implementation of this method with regard to computational and storage costs and numerical stability is improved. This is achieved through combining a variety of known and new implementation strategies. Experiments demonstrate the superiority, with respect to both overall costs and classification rates, of the resulting algorithm compared with other methods. | Klasifikace na základě Fisherovy lineární diskriminační analýzy (FLDA) je složitou úlohou v případě, že počet proměnných je o mnoho vyšší než počet daných instancí objektů. Původní FLDA je potřeba pečlivě modifikovat i s ohledem na fakt, že ve vysokých dimenzích hrají důležitou roli implementační otázky jako např. redukce pamětových nákladů. Článek probere různé metody pro high dimension/ small sample size problem a vybere metodu, která je v určitém smyslu nejblíže klasickému regulárnímu postupu. Článek se dále zabývá implementací vybrané metody a to rovněž s ohledem na její vylepšení vzhledem k výpočetním a paměťovým nákladům a vzhledem k numerické stabilitě. Vylepšení je dosaženo kombinací několika známých i zcela nových implementačních strategií. Provedené experimenty prokazují kvalitativně lepší hodnoty celkových numerických nákladů i chyby klasifikace u výsledného algoritmu než u ostatních metod. | [
"Jurjen Duintjer Tebbens",
"Pavel Schlesinger"
] | https://www.semanticscholar.org/paper/35f6b1a0e3b008c6c2ac944dc6b64fe1d2df851a/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Morphological tagging and lemmatization in the Czech National Corpus | Morfologické značkování a lemmatizace v korpusech ČNK | This paper presents the methods by which three large textual corpora (SYN2000, SYN2005 and SYN2006PUB) of the Czech National Corpus have been tagged and lemmatised. The process proceeded in several phases: tokenization and segmentation, morphological analysis and disambiguation. Statistical taggers as well as a rule-based method of disambiguation have been used in the process. SYN2000 has been tagged by a single feature-based tagger, SYN2005 and SYN2006PUB have been tagged by two different combinations of statistical and rule-based methods. In SYN2006PUB, the number of errors has been further reduced with some simple replacement algorithms. At the end of this paper, an evaluation of the different methods is presented: the method used for corpus SYN2006PUB shows approximatively twice less errors in tagging than in the older tagging of corpus SYN2000. | Tento článek představuje metody, jimiž byly označkovány tři velké textové korpusy (SYN2000, SYN2005 a SYN2006PUB). Postup značkování má několik fází: tokenizaci a segmentaci, morfologickou analýzu a dizambiguaci. Při značkování korpusů byly použity jak stochastické, tak pravidlové metody. V závěru článku je představena podrobná evaluace značkovacích metod a kvality značkování ve jmenovaných korpusech. | [
"Tomáš Jelínek"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Transformation-Based Tectogrammatical Dependency Analysis of English | Tektogramatická závislostní analýza angličtiny založená na transformacích | We present experiments with automatic annotation of English texts, taken from the Penn Treebank, at the dependency-based tectogrammatical layer, as it is defined in the Prague Dependency Treebank. The proposed analyzer, which is based on machine-learning techniques, outperforms a tool based on hand-written rules, which is used for partial tectogrammatical annotation of English now, in the most important characteristics of tectogrammatical annotation. Moreover, both tools were combined and their combination gives the best results. | Popisujeme pokusy s automatickým anotováním anglických textů z Penn Treebanku na závislostní tektogramatické rovině, jak ji definuje Pražský závislostní korpus. Navržený analyzátor je založen na metodách strojového učení a v nejdůležitějších atributech dosahuje vyšší úspěšnosti než nástroj založený na ručně psaných pravidlech, používaný pro částečnou tektogramatickou anotaci angličtiny dosud. | [
"Václav Klimeš"
] | https://www.semanticscholar.org/paper/ea8642a7c5ffdca2c73226b775bd30a560501a5c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Current development tendencies in the dialect of Jablunkov | Současné vývojové tendence v jablunkovském dialektu | The paper describes current development tendencies in the dialect of the region of Jablunkov in the borderland between Moravia and Silesia. | Článek popisuje nejnovější vývojové tendence jablunkovského dialektu na pomezí Moravy a Slezska. | [
"Petr Homola"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
de | 2007 | Morphosyntactic underspecification and the downfall of clitics | Morfosyntaktická podspecifikace a zánik klitik | The paper sketches a theory of underspecification in the context of Slavic languages. A special case being investigated is the omission of clitics. | Článek popisuje teorii podspecifikovanosti v kontextu slovanských jazyků. Speciálním zkoumaným případem je mizení klitik. | [
"Petr Homola"
] | null | null | null | null | null | null | null | Morphosyntaktische Unterbestimmtheit und der Schwund von Klitika | Der vorliegende Aufsatz befasst sich in erster Linie mit den enklitischen Auxiliarien
im Slavischen. Eingangs stellen wir zusammenfassend und anhand von
Beispielen den verwendeten formalen Apparat vor, der auf der Prager Schule und
der Naturlichkeitstheorie basiert. Im Anschluss wird auf einige Aspekte der Enklitika
im Altkirchenslawischen, Altpolnischen und Altostslawischen eingegangen, aus
synchroner Perspektive vorwiegend im Teschener Schlesischen. Dabei konzentrieren
wir uns auf den Wandel in der unterliegenden Struktur des Sprachsystems. Im
breiteren Kontext zeigen wir, wie sich die morphosyntaktische Unterbestimmtheit
formal im Bereich der maschinellen Ubersetzung niederschlagt. | null | null | null | null |
en | 2007 | Česílko - hloubkový transfer pro příbuzné jazyky | Česílko - deep transfer for related languages | Rule-based deep transfer for the Machine Translation system Česílko, which is based on simplified source language analysis. | Pravidlový hloubkový transfer pro systém strojového překladu Česílko, založeného na zjednodušené analýze vstupního jazyka. | [
"Petr Homola",
"Vladislav Kuboň",
"Jan Hajič"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Biblio | Biblio | A software system for administration of bibliographic data. The system is implemented in Java and runs in a servlet container. | Softwarový systém pro správu bibliografických údajů. Systém je implementován v jazyce Java a běží v servletovém kontejneru. | [
"Petr Homola",
"Tomáš Poch",
"Tomáš Kalibera",
"Leo Galamboš",
"Alena Koubková"
] | https://www.semanticscholar.org/paper/1940ba28f23a79c995db709bdba29163b08f6fe2/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | On some aspects of machine translation among Balto-Slavic languages | K některým aspektům strojového překladu mezi baltoslovanskými jazyky | The paper describes the MT system Česílko and linguistic differences between Balto-Slavic languages. | Tento článek se v první části věnuje experimentálnímu systému strojového překladu Česílko, zvláště funkčnímu popisu jeho jednotlivých modulů, jejich implementace a jimi používaných datových struktur, ve druhé části pak popisuje některé rozdíly mezi obecně velmi podobnými baltoslovanskými jazyky z lingvistického hlediska, konkrétně v systému příčestí a kategorii určitosti s možnostmi jejího vyjádření na povrchové rovině, a naznačuje možnosti formálního zachycení těchto rozdílů. | [
"Petr Homola",
"Natalia Klyueva"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | A Linguistically-Based Segmentation of Complex Sentences | Lingvisticky motivovaná segmentace souvětí | The paper describes a method of dividing complex sentences into segments, easily detectable and
linguistically motivated units, which may provide a basis for further processing of complex
sentences. The method has been developed for Czech as a language representing languages with
relatively high degree of word-order freedom. The paper introduces important terms, describes a
segmentation chart, the data structure used for the description of mutual relationship between
individual segments and separators. It contains a simple set of rules applied for the
segmentation of a small set of Czech sentences. The issues of segment annotation based on
existing corpus are also mentioned. | Článek popisuje metodu zpracování souvětí založenou na identifikaci segmentů, snadno zjistitelný a lingvisticky motivované jednotek, které mohou poskytnout základ pro další zpracování souvětí. Metoda byla vyvinuta pro český jazyk jako zastupupce jazyků
s vysokým stupněm volného slovosledu. V článku jsou zavedeny důležité pojmy, je zde popsáno
segmentační schéma - datová struktura používana pro popis vzájemného vztahu mezi
jednotlivými segmenty a oddělovači. Obsahuje základní soubor pravidel, která lze užít pro
segmentace souboru českých vět. | [
"Vladislav Kuboň",
"Markéta Lopatková",
"Martin Plátek",
"Patrice Pognan"
] | https://www.semanticscholar.org/paper/1f77fe4ade47958db7c7a0b13a60937634b882be/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Selected Sense Enumerated Lexical Resources for Czech | Vybrané lexikální zdroje významu pro češtinu | In this paper we present three quite different approaches to
word senses description in three particular lexicons.
The advantages and disadvantages of these approaches are mentioned.
We have done some practical experiments with all of them.
These experiments--including machine learning and manual annotation--are
briefly described. At the end, we conclude by comparing those three lexicons. | Představujeme tři poměrně odlišné přístupy k popisu slovního významu ve třech slovnících. Zabýváme se výhodami a nevýhodami zvolených přístupů. Se všemi slovníky jsme provedli experimenty (včetně strojového učení a ruční anotaci), které jsou stručně popsány. Na závěr tyto slovníky porovnáváme. | [
"Eduard Bejček"
] | https://www.semanticscholar.org/paper/c70c72c3b4d03d20ade6b5e4afdfa4562b787bef/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Named Entities in Czech: Annotating Data and Developing NE Tagger | Pojmenované entity v češtině: anotace dat a vývoj taggeru | This paper deals with the treatment of Named Entities (NEs) in Czech. We introduce a two-level NE classification. We have used this
classification for manual annotation of two thousand sentences, gaining more than 11,000 NE instances. Employing the annotated data and
Machine-Learning techniques (namely the top-down induction of decision trees), we have developed and evaluated a software system aimed at automatic detection and classification of NEs in Czech texts. | Příspěvek se zabývá zpracováním pojmenovaných entit v českých textech. Představíme dvouúrovňovou klasifikaci pojmenovaných entit, která byla použita při ruční anotaci 2000 vět. V tomto materiálu bylo identifikováno více než 11000 pojmenovaných entit. S použitím těchto dat jsme metodami strojového učení vyvinuli softwarový systém, který automaticky rozpoznává a klasifikuje pojmenované entity v českých textech. | [
"Magda Ševčíková",
"Zdeněk Žabokrtský",
"Oldřich Krůza"
] | https://www.semanticscholar.org/paper/13f43a574872183dc5627a425eb17bbb1398701b/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | Processing of Named Entities in Czech Texts | Zpracování pojmenovaných entit v českých textech | The technical report deals with classification and automatic regocnition of named entities in Czech texts. | Tato technická zpráva shrnuje výsledky práce na tématu pojmenovaných entit v Ústavu formální a aplikované lingvistiky Matematicko-fyzikální fakulty Univerzity Karlovy v Praze v letech 2005 a 2006. Obsahuje rešerši zahraničních
přístupů k tomuto tématu, vlastní návrh klasifikace pojmenovaných entit v češtině, popis ruční anotace pojmenovaných entit na vzorcích z Českého národního korpusu, základní kvantitativní vlastnosti anotovaných dat a výsledky prvních experimentů s automatickým rozpoznáváním pojmenovaných entit v českých
textech. | [
"Magda Ševčíková",
"Zdeněk Žabokrtský",
"Oldřich Krůza"
] | https://www.semanticscholar.org/paper/6af2ab2f499c18743c3137b04034ddb1688fc33c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Moses: Open Source Toolkit for Statistical Machine Translation | Moses: Soubor volně šiřitelných nástrojů pro statistický strojový překlad | We describe an open-source toolkit for statistical
machine translation whose novel
contributions are (a) support for linguistically
motivated factors, (b) confusion network
decoding, and (c) efficient data formats
for translation models and language
models. In addition to the SMT decoder,
the toolkit also includes a wide variety of
tools for training, tuning and applying the
system to many translation tasks. | Příspěvek popisuje volně šiřitelný soubor nástrojů pro strojový překlad, jehož nové rysy zahrnují podporu pro lingvisticky motivované informace, překlad tzv. confusion networks a úsporné datové formáty pro překladové a jazykové modely. | [
"Philipp Koehn",
"Hieu Hoang",
"Alexandra Birch",
"Chris Callison-Burch",
"Marcello Federico",
"Nicola Bertoldi",
"Brooke Cowan",
"Wade Shen",
"Christine Corbett Moran",
"Richard Zens",
"Chris Dyer",
"Ondřej Bojar",
"Alexandra Constantin",
"Evan Herbst"
] | https://www.semanticscholar.org/paper/4ee2eab4c298c1824a9fb8799ad8eed21be38d21/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Sentence Synthesis in Machine Translation | Syntéza vět pro účely strojového překladu | We report work in progress on a complex system generating
Czech sentences expressing the meaning of input syntactic-semantic structures.
Such component is usually referred to as a realizer in the domain of Natural Language Generation.
Existing realizers usually take advantage of a background linguistic theory.
We introduce the Functional Generative Description, a framework of our choice conceived in 1960's by Petr Sgall.
This language theory lays out foundations of the formalism
in which our input syntactic-semantic structures are specified.
The structure definition was further elaborated and refined during the
annotation of the Prague Dependency Treebank,
now available in its second version.
A section of the paper is devoted to description of another theoretical
framework suitable for the task of
Natural Language Generation -- the Meaning-Text Theory.
We explore state-of-the-art realizers deployed in real life applications, describe common architecture of
a generation system and highlight the strengths and weaknesses of our approach.
Finally, preliminary output of our surface realizer is compared against a
baseline solution. | Článek popisuje vývoj systému generujícího gramatické věty v českém jazyce ze vstupního syntakticko-sémantického závislostního stromu.
Zabýváme se dvěma lingvistickými teoriemi a implikacemi pro generování ze struktur, které popisují: (1) Funkční generativní popis P. Sgalla, který byl použit také pro anotaci Pražského závislostního treebanku a (2) Meaning-Text Theory.
Na závěr je výstup prototypu generátoru vyhodnocen. | [
"Jan Ptáček"
] | https://www.semanticscholar.org/paper/839a40f433c69b816f815058e8d0b00dc4c97d29/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Dependency-based Sentence Synthesis Component for Czech | Závislostní modul pro syntézu vět v češtině | We propose a complex rule-based system for generating Czech sentences out of tectogrammatical trees, as introduced in Functional Generative Description (FGD) and implemented in the Prague Dependency Treebank 2.0 (PDT 2.0). Linguistically relevant phenomena including valency, diathesis, condensation, agreement, word order, punctuation and vocalization have been studied and implemented in Perl using software tools shipped with PDT 2.0. Parallels between generation from the tectogrammatical layer in FGD and deep syntactic representation in Meaning-Text Theory are also briefly sketched. | V článku je navržen komplexní systém pro generování českých vět z jejich podkladové tektogramatické reprezentace. | [
"Jan Ptáček",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/88bf20e423013496dd58b4772df8e3d1700f928e/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | On Linear DETs | O linearnich DETech | This paper investigates the properties of a popular ROC variant - the Detection Error Trade-Off plot (DET).
In particular, we derive a set of conditions on the underlying probability distributions
to produce linear DET plots in a generalized setting. We show that the linear DETs on a normal deviate scale
are not exclusively produced by
normal distributions, however, that normal distributions do play an unique role in the threshold
behavior as one moves along the DET line. An interesting connection between linear DETs and
the Kullback-Leibler divergence is also discussed. | Tento dokument zkoumá vlastnosti populární varianta ROC - detekce chyb trade-off plot (DET).
Zejména čerpáme soubor podmínek pro základní rozdělení pravděpodobnosti
vyrábět lineární DET pozemků v zobecněné nastavení. Ukazujeme, že lineární DETs na normální odchýlit stupnice
nejsou vyráběná výhradně
normální distribuce se však, že běžné distribuce, hrají jedinečnou roli v prahu
chování, jak se pohybuje podél trati DET. Zajímavé spojení mezi lineárními a DETs
Kullback-Leibler divergence je také předmětem diskuse. | [
"Jiří Navrátil",
"David Klusáček"
] | https://www.semanticscholar.org/paper/050521c419d531ef6a652b02ac2d14041d5d9b64/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Prosody Modelling in Czech Text-to-Speech Synthesis | Modelování prozodie v české text-to-speech syntéze | This paper describes data-driven modelling of all three basic prosodic features - fundamental frequency, intensity and segmental duration - in the Czech text-to-speech system ARTIC. The fundamental frequency is generated by a model based on concatenation of automatically acquired intonational patterns. Intensity of synthesised speech is modelled by experimentally created rules which are in conformity with phonetics studies. Phoneme duration modelling has not been previously solved in ARTIC and this paper presents the first solution to this problem using a CART-based approach. | Článek popisuje datový přístup k modelování všech tří základních prozodických vlastností - základního hlasivkového tónu, intenzity a trvání. | [
"Jan Romportl",
"Jiří Kala"
] | https://www.semanticscholar.org/paper/682a48322877ae92004e16c4e359ee86d19be06d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Web Page Cleaning with Conditional Random Fields | Čištění webových stránek pomocí Conditional Random Fields | This paper describes the participation of the Charles University in Cleaneval 2007, the shared task and competitive evaluation of automatic systems for cleaning arbitrary web pages with the goal of preparing web data for use as a corpus in the area of computational linguistics and natural language processing. We try to solve this task as a sequence-labeling problem and our experimental system is based on Conditional Random Fields exploiting a set of features extracted from textual content and HTML structure of analyzed web pages for each block of text. Labels assigned to these blocks then discriminate between different types of content blocks containing useful material that should be preserved in the document and noisy blocks of no linguistics interest that should be eliminated. | Tento článek popisuje účast Karlovy univerzity v soutěži Cleaneval 2007, společném úkolu a soutěži automatických systémů pro čištění webových stránek s cílem připravit data pro jazykový korpus z oplasti zpracování přirozeného jazyka. Tento úkol jsme pojali jako proces značkování sekvence jednotek, náš experimentální systém je založený na algoritmu Conditional Random Fields a používá rysy extrahované z textu a HTML struktury stránky. Nálepky přiřazené každému textovému bloku potom rozlišují, jestli se jedná o užitečnou část textu, která má být zachována, nebo o část, která se má z dalšího zpracování vyřadit. | [
"Michal Marek",
"Pavel Pecina",
"Miroslav Spousta"
] | https://www.semanticscholar.org/paper/6d6bebd25d194b8749216c7ad183118d3553fde6/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2007 | The Structure of Coordination in a Dependency Description | Zachycení koordinace v závislostním popisu (se zvláštním zřetelem ke koordinaci nestejných kategorií) | In this work, theoretical aspects of a descriptive approach to the coordination of unlike categories are studied. According to the theory the author adopts, the so called Functional Generative Description, the different semantic values of coordinated nodes in a dependency tree (called functors) are referred to as unlike categories. The author offers constraints (of a kind) for generating coordinative structures with unlike categories. These constraints are based on the relation between a functor and its dominating verb with respect to the valency structure of the verb. The core of the theory is the fact that a coordination of an argument position and an adjunct position is forbidden as a rule. Considering the proposed constraints, a decision is made, which of the possible structures are to be represented as direct phrasal coordinations and which of them as coordinations on the level of the dominating verb. With respect to the aims of the work, the author submits her own proposal for categorisation of coordinative constructions according to the valency properties of the coordinated positions. The work aspires to uproot the established opinion that basically there are no syntactic rules for the coordination of unlike categories. | V této práci jsou zkoumány možnosti zachycování konstrukcí s koordinací tzv. nestejných kategorií. Za nestejné kategorie jsou ve zvoleném teoretickém rámci, funkčním generativním popisu, považovány nestejné sémantické hodnoty jednotlivých uzlů v syntaktickém stromě, tzv. funktory. Autorka navrhuje omezující pravidla, která podchycují podmínky gramatičnosti koordinace nestejných kategorií. Tato pravidla jsou založena na vztahu konjunktů k argumentové struktuře jejich řídícího slovesa. Podstatou těchto pravidel je fakt, že koordinace argumentové a adjunkční pozice generuje za všech okolností negramatické struktury. Na základě těchto pravidel se navrhuje, které případy je možno zachycovat jako koordinaci členskou a které jako koordinaci na úrovni slovesa. V souvislosti s cíli práce se autorka pokouší také o vlastní třídění koordinačních konstrukcí na základě valenčních charakteristik koordinovaných pozic. Práce si klade za cíl vyvrátit vžitý názor, že není možné definovat pravidla pro tvoření gramatických typů koordinace nestejných kategorií. | [
"Jana Šindlerová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | EngVallex 1.0 | EngVallex 1.0 - valenční slovník angličtiny | This is the first version of EngVallex, a valency lexicon of English verbs, which arose partly by a semi-automatic conversion of the PropBank lexicon. Like PropBank, the lexicon is interlinked with the annotated data of the Wall Street Journal corpus. | Toto je první verze valenčního slovníku anglických sloves EngVallex, který vznikl částečně automatickou konverzí slovníku PropBank. Stejně jako PropBank, i EngVallex je propojen s anotací nad korpusem textu z Wall Street Journalu. | [
"Jana Šindlerová",
"Josef Toman",
"Silvie Cinková",
"Jiří Semecký"
] | https://www.semanticscholar.org/paper/0bc921c1895854ff97e297930c6ae7f3bfdeff03/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | An Application of the PDT-scheme to a Parallel Treebank | Užití PDT schématu pro anotaci paralelního treebanku | Our paper comments on the divergences of the deep syntactic layers of Czech and Eglish. We point out several phenomena potentially problematic for syntactic alignment. | Příspěvek se zabývá rozdíly mezi hloubkovými syntaktickými strukturami češtiny a angličtiny. Upozorňujeme na některé jevy potenciálně problematické pro automatické zarovnávání uzlů. | [
"Jana Šindlerová",
"Lucie Mladová",
"Josef Toman",
"Silvie Cinková"
] | https://www.semanticscholar.org/paper/21856a3bde8a354b7d258e94278c7eb244a7c0a9/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Connectives as Discourse Landmarks. Agnès Celle, Ruth Huart (eds.) Amsterdam, Philadelphia: John Benjamins Publishing Company, 2007, 212 pp. ISBN 978-90-272-5404-7 | Connectives as Discourse Landmarks. Agnès Celle, Ruth Huart (eds.) Amsterdam, Philadelphia: John Benjamins Publishing Company, 2007, 212 pp. ISBN 978-90-272-5404-7 | The peer-reviewed book is the proceedings of the conference "Connectives as Discourse Landmarks 2005". Its contributions focus on discourse connectives in terms of lexicology and syntax, as well as pragmatic aspects of the use of connectives. | Recenzovaná kniha je sborníkem konference Connectives as Discourse Landmarks 2005. Její studie se věnují jednak diskurzním konektorům z hlediska lexikologie a syntaxe, jednak také pragmatickým aspektům užití konektorů. | [
"Šárka Zikánová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Identification of Topic and Focus in Czech: Evaluation of Manual Parallel Annotations | Identifikace tématu a rématu v češtině: vyhodnocení ručních paralelních anotací | We suppose that the bipartition of the sentence into its Topic and Focus ("aboutness") can be automatically derived from the values of contextual boundness assigned to each node of the dependency tree representing the underlying structure of the sentence. For the testing of this hypothesis, control manual parallel annotations have been carried out. The principles of the control annotations are described and preliminary results are reported on. | Předpokládáme, že rozdělení věty na téma a réma (o čem se vypovídá co) lze vyvodit automaticky z hodnot kontextové zapojenosti, připsaných každému uzlu v závislostním stromě reprezentujícím hloubkovou strukturu věty. Pro ověření této hypotézy byly provedeny kontrolní ruční paralelní anotace. Článek informuje o principech a předběžných výsledcích těchto kontrolních anotací. | [
"Šárka Zikánová",
"Miroslav Týnovský",
"Jiří Havelka"
] | https://www.semanticscholar.org/paper/c996cc385c0da2d58eb6ec7914972c777a153d88/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Semantics in Machine Translation | Sémantika ve strojovém překladu | This paper deals with some aspects of MT between Czech and Russian. | V tomto článku jsou popsány některé nástroje a přístupy ke strojovému překladu z češtiny do ruštiny. | [
"Natalia Klyueva"
] | https://www.semanticscholar.org/paper/3b2f0a0817e7b8ab54a9adede34c6dab882fe311/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Comparing Prosody Formalisms for Machine Learning | Srovnání prosodických formalismů pro strojové učení | We need to find the most suitable prosody formalism for the task of machine learning. The
target application is a prosody generative module for text-to-speech synthesis. This module will learn prosody marks (parameters or symbols) from large corpora. Formalism we are looking for should be general, perceptually relevant, restorable, automatically obtained, objective and learnable. Main formalisms for the pitch description are briefly described and compared, namely Fujisaki model, ToBI, Intsint, Tilt and “Glissando threshold” adaptation. The most suitable method of pitch description for the task of machine learning is “Glissando threshold” adaptation with an additional simplification. | Článek se zabývá hledáním vhodného formalismu pro popis prozodie pro účely strojového učení. Cílovou aplikací je modul generující prozodii pro syntézu řeči z textu. Tento modul se naučí prozodické značky (parametry nebo symboly) z rozsáhlého korpusu. Formalismus, který hledáme, by měl být obecný, percepčně relevantní, obnovitelný, automaticky získatelný, objektivní a naučitelný. Popsali a porovnali jsme hlavní formalismy pro popis F0, jmenovitě Fujisakiho model, ToBI, Intsint, Tilt tzv. “Glissando threshold”. Nejvhodnější metoda popisu F0 pro úlohu strojového učení je “Glissando threshold” s přidaným zjednodušením. | [
"Jan Raab"
] | https://www.semanticscholar.org/paper/8d79946cfbdcc1d4b902ea1ee2b4e2684d2210b5/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2007 | Morče - Czech morphological tagger | Morče - Český morfologický tagger | Czech morphological tagger based on Averaged Perceptron. The package contains set of tools for experiments with feature sets and training on various data. | Český morfologický tagger založený na Průměrovaném perceptronu. Obsahuje sadu nástrojů pro experimenty s různými sadami rysů a trénování na různých datech. | [
"Jan Raab"
] | https://www.semanticscholar.org/paper/c2f6f3c8f7026bdc2cd87cf17b2f53cacbfdf5a1/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | History of the Sgall family of Litomysl | Osudy litomyšlské rodiny Sgallových | The family Sgall from Litomyšl went through Shoa loosing the majority of its members. | Litomyšlská rodina Sgallů prošla holokaustem se ztrátou většiny členů. | [
"Věra Jílková",
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | On Building Phonetically and Prosodically Rich Speech Corpus for Text-to-Speech Synthesis | Vytváření foneticky a prozodicky bohatých řečových korpusů v úloze syntézy řeči z textu | This paper proposes a way of preparing and recording a speech corpus for unit selection text-to-speech speech synthesis driven by symbolic prosody. The research is focused on a phonetically and prosodically rich sentence selection algorithm. Symbolic description on a deep prosody level is used to enrich the phonetic representation of sentences (by respecting the prosodeme types phones appear in). The resulting algorithm then selects sentences with respect to both phonetic and prosodic criteria. To cover supra-sentential prosody phenomena, paragraphs were selected at random and recorded as well. The new speech corpus can be utilised in unit selection speech synthesis and also for training a data-driven prosodic parser. | Článek navrhuje metodu přípravy a pořízení řečového korpusu pro úlohu syntézy řeči z textu s dynamickým výběrem jednotek řízenou pomocí symbolické prozodie. Soustředí se na algoritmus výběru foneticky a prozodicky bohatých vět. Foneticky přepsané věty jsou obohaceny o symbolický popis na hrubé prozodické úrovni s respektováním typu prozodému, ve kterém se fony objevují. Výsledný algoritmus pak vybírá věty s ohledem na fonetická i prozodická kritéria. Abychom též pokryli i supravětné prozodické jevy, náhodně jsme vybrali odstavce a nahráli je. Nový řečový korpus se může využít k syntéze řeči s dynamickým výběrem jednotek a také k trénování datově orientovaného prozodického parseru. | [
"Jindřich Matoušek",
"Jan Romportl"
] | https://www.semanticscholar.org/paper/e5abbaeb1178b7dfc43c700791c9ce380c9f9e60/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Machine translation: A study of utility of deep linguistic analyses | Strojový překlad: zamyšlení nad účelností hloubkových jazykových analýz | Experiments with phrase-based MT and a discussion on the utility of linguistic analyses. | Experimenty s frázovým strojovým překladem a zamyšlení nad užitečností podrobných lingvistických analýz. | [
"Ondřej Bojar"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | CzEng: Czech-English Parallel Corpus, Release version 0.5 | CzEng: česko-anglický paralelní korpus, verze 0.5 | We introduce CzEng 0.5, a new Czech-English sentence-aligned parallel corpus consisting of around 20 million
tokens in either language. The corpus is available on the Internet and can be used under the terms of license
agreement for non-commercial educational and research purposes. Besides the description of the corpus, also
preliminary results concerning statistical machine translation experiments based on CzEng 0.5 are presented. | V článku je popsán nový anglicko-český paralelní korpus CzEng 0.5, který obsahuje v obou jazycích přibližně 20 miliónů tokenů. | [
"Ondřej Bojar",
"Zdeněk Žabokrtský"
] | https://www.semanticscholar.org/paper/90754411054ba835dfcee9711c0c92542ad1f7dc/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Czech-English Word Alignment | Česko-anglické zarovnání po slovech | We describe an experiment with Czech-English word alignment. Half a thousand
sentences were manually annotated by two annotators in parallel and the most
frequent reasons for disagreement are described. We evaluate the accuracy of
GIZA++ alignment toolkit on the data and identify that lemmatization of the
Czech part can reduce alignment error to a half. Furthermore we document that
about 38% of tokens difficult for GIZA++ were difficult for humans already. | Příspěvek popisuje experiment s česko-anglickým slovním zarovnáním. Na pěti stech párech ručně zarovnaných vět studujeme nejčetnější důvody neshody a srovnáváme ruční zarovnání s několika variantami automatického postupu. | [
"Ondřej Bojar",
"Magdalena Prokopová"
] | https://www.semanticscholar.org/paper/a4d8678e42a834b539218eba14c51453691f1910/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Czech-English Phrase-Based Machine Translation | Česko-anglický frázový strojový překlad | We describe experiments with Czech-to-English phrase-based machine translation. Several techniques for improving translation quality (in terms of well-established measure BLEU) are evaluated. In total, we are able to achieve BLEU of 0.36 to 0.41 on the examined corpus of Wall Street Journal texts, outperforming all other systems evaluated on this language pair. | Článek popisuje experimenty s česko-anglickým strojovým frázovým překladem a vyhodnocuje několik technik zlepšujících kvalitu překladu (měřenou pomocí automatické metriky BLEU). | [
"Ondřej Bojar",
"Evgeny Matusov",
"Hermann Ney"
] | https://www.semanticscholar.org/paper/e920bfe724d9661add513965e7296cd621aa1fe8/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Complex Corpus Annotation: The Prague Dependancy Treebank | Komplexní anotace korpusu: Pražský závislostní korpus | Complex Corpus Annotation: The Prague Dependency Treebank. The article - chapter describes the layers of annotation in the Prague Dependency Treebank, and the relations among them. | Článek / kapitola popisuje jednotlivé úrovně anotace Pražského závislostního korpusu a vztahy mezi nimi, zejméne mazi sémantickou a syntaktickou rovinou anotace. | [
"Jan Hajič"
] | https://www.semanticscholar.org/paper/b3776cb02c6d6b77950eb029e00bba9b9b07bdc1/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Complex Corpus Annotation: The Prague Dependency Treebank | Komplexní anotace korpusu: Pražský závislostní korpus | The chapter discusses complex annotation of language corpora on the layers of morphology, surface syntax and tectogrammatics. The Prague Dependency Treebank serves as an example. | Kapitola pojednává o komplexní anotaci jazykových korpusů na úrovni morfologické, povrchově syntaktické a tektogramatické. Za příklad slouží Pražský závislostní korpus. | [
"Jan Hajič"
] | https://www.semanticscholar.org/paper/b3776cb02c6d6b77950eb029e00bba9b9b07bdc1/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Treebanks and Tagsets | Treebanky a tagsety | The chapter discusses syntactically annotated corpora (treebanks) and the design principles of sets of morphological and syntactic tags that are used for annotation of such corpora. | Kapitola pojednává o syntakticky anotovaných korpusech (treebancích) a principech návrhu sad morfologických a syntaktických značek, které se při anotaci takových korpusů využívají. | [
"Jan Hajič"
] | https://www.semanticscholar.org/paper/ede9213eac6aa5343b5d8561a7268a9811dda062/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Prague Dependency Treebank 2.0 | Pražský závislostní korpus 2.0 | Dependency corpus annotated at morphological, syntactic, and deep syntactic levels, with additional attributes describing information structure, coreferences and many other grammatical values. It is distributed by the Linguistic Data Consortium. | Závislostní korpus anotovaný na rovině morfologické (2 miliony slov), syntaktické (1,5 milionu slov) a sémantické (0,8 milionu slov), obsahující navíc doplňující informace o informační struktuře věty a koreference. Distribuováno organizací Linguistic Data Consortium. | [
"Jan Hajič",
"Jarmila Panevová",
"Eva Hajičová",
"Petr Sgall",
"Petr Pajas",
"Jan Štěpánek",
"Jiří Havelka",
"Marie Mikulová",
"Zdeněk Žabokrtský",
"Magda Ševčíková-Razímová",
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/c2e9552a6d3f683469e547cfba0841ff465c0c50/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Prague Dependency Treebank of Spoken Czech. Speech reconstruction | Pražský závislostní korpus mluvené češtiny. Rekonstrukce standardizovaného textu z mluvené češtiny | Unprepared spontaneous speech breaks many rules by which written texts are constituted. The speakers, for instance, often get the syntax wrong; they mispronounce or confuse lexical units, and their use of ellipsis as well as of deictic words and connectives is abundant, compared to standard written texts. The only way out seems to lead through machine learning: to process enough data for the machine to learn how to tell apart noise from relevant structures and how to restore the commonest types of ellipses to be able to analyze the spoken data with the tools already available. To build such data means smoothing the speech transcription to meet the usual written-text standards by re-chunking and re-building the original segments into grammatical sentences with acceptable word order, proper morphosyntactic relations between words, and appropriate wording, while preserving links to the original transcription. | Technická zpráva shrnuje dosavadní poznatky získané při budování Pražského závislostního korpusu mluvené
češtiny (Prague Dependency Treebank of Spoken Czech; PDTSC) v Ústavu formální a aplikované lingvistiky MFF
UK Praha. PDTSC bude prvním korpusem mluvené řeči, který bude obsahovat anotace významu promluv. Výzkum
ukázal, že před vlastní hloubkovou analýzou mluvené řeči je nezbytné transkribované segmenty mluvené řeči
nejprve standardizovaným způsobem převést na gramaticky správné věty, tj. provést tzv. rekonstrukci
standardizovaného textu z mluvené řeči. | [
"Jan Hajič",
"Marie Mikulová",
"Martina Otradovcová",
"Petr Pajas",
"Petr Podveský",
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/612a794c8d57cbdfed39f64af3ef972044ae1fb0/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Czech Grammar Checker | Kontrola české gramatiky | The first tool checking the grammatical correctness of Czech sentences, which constitutes an integral part of the Microsoft Office 2007 software package. The tool reads the text and umderlines in green those strings, which are grammatically incorrect. | První nástroj na kontrolu gramatické správnosti českých vět, který je integrální součástí balíku kancelářských programů Office 2007. Nástroj pročítá text a zelenou barvou podtrhává konstrukce, které jsou gramaticky nesprávné. | [
"Jan Hajič",
"Vladislav Kuboň"
] | https://www.semanticscholar.org/paper/ddceeeeb64443b4983f78e6f992856461db67e47/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Two remarks on so-called vagueness | Dvě poznámky k tzv. vágnosti | The first remark concerns the relation between distributive reading and anaforic expressions coreferred. The second remark is related to the meaning of the Czech preposition mezi in reciprocal constructions, where the plural of the noun after mezi means more than two. | První poznámka se vztahuje ke konstrukcím, kde jde o distributivitu, a k prostředkům, jak se na ně anaforicky odkazuje. Druhá se týká konstrukcí s předložkou mezi + Instr. a jejich významu v recipročních konstrukcích (plurálový participant reciproční konstrukce musí mít víc než 2 členy). | [
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/81d7715924c536d0bedd303e51e04ec5bf055766/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | What we are proud of and what we stay faithful to (Remarks on valency of several Czech adjectives) | Na co jsme pyšní a čemu zůstaneme věrní (Poznámky k valenci několika českých adjektiv) | The valency of some typical Czech adjectives is studied. The possibility to distinguish their "absolute" usage from the usage with filled valency position is considered. | Ve stati se posuzuje valence některých vyhraněných českých adjektiv. Zvažuje se na základě korpusového materiálu, zda lze oddělit jejich užití v absolutním významu (pyšný člověk, věrný přítel) od užití s obsazenou valenční pozicí (otec pyšný na dceru, své nevěstě věrný snoubenec). | [
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | One day with Eva Hajičová | Den s Evou Hajičovou | Laudation for Professor Eva Hajičová on the occasion of her 70th birthday. The laudation was presented at the meeting of the Prague Linguistic Circle during which the honored person gave a lacture. | Laudatio k sedmdesátým narozeninám profesorky Evy Hajičové. Laudatio bylo předneso v rámci setkání Pražského lingvistického kroužku, během kterého pronesla jubilantka přednášku. | [
"Barbora Vidová Hladká"
] | https://www.semanticscholar.org/paper/bf6dbf25f91b58daad74cbc420bf6dc12a7960bb/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Transformation of the Czech Academic Corpus | Proměny Českého akademického korpusu | The Czech Academic Corpus was created during the 1970s and 1980s at the Czech Language Institute under the supervision of Marie Těšitelová. The main motivation to build it (a total of 540 thousand word tokens) was to obtain the quantitative characteristics of contemporary Czech.
The corpus is structurally annotated on two levels - the morphological level and the syntactical-analytical level. The original stochastic experiment in morphological tagging of Czech were performed using the corpus at the beginning of the 1990s. Given this, the corpus-based processing of Czech was launched. At the end of 1990s, work on the Prague Dependency Treebank had started (independently from the corpus) and its first edition was published in 2001. In considering future released versions of the treebank, we have decided to convert the corpus into the treebank-like format. This article focuses on the twenty-year history of the Czech Academic Corpus. Special attention is devoted to thus far unpublished fats about the corpus annotation. The conversion steps resulting in the first version of the Czech Academic Corpus are described in detail. | Čas a šťastná náhoda si spolu velmi dobře rozumějí, většinou. Uvedou nás do situací, do kterých bychom se dostali za předpokladu opravdu „vychytralé“ intuice, většinou. Představíme jednu takovou situaci, která nese reálnou podobu a reálné jméno – Český akademický korpus. Zmínili jsme čas – proto jej představíme na pozadí této veličiny.
Vrátíme se o dvacet let zpátky do doby, kdy vznikl. Připomeneme dobu před deseti lety, kdy otevřel nové možnosti aplikace stochastických metod v počítačovém zpracování češtiny. Popíšeme jeho současnou příbuznost s Pražským závislostním korpusem. | [
"Barbora Vidová Hladká",
"Jan Králík"
] | https://www.semanticscholar.org/paper/a4c7d92c5707f11d1d2fda82f41503f84a808133/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | 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 speech recognition transcripts, automatically generated metadata, and manually generated metadata. Results indicate that the 2006 English evaluation topics are more challenging than those used in 2005, but that cross-language searching continued to pose no unusual challenges when compared with monolingual searches of the same collection. Three teams participated in the monolingual Czech evaluation using a new evaluation measure based on differences between system-suggested and ground truth replay start times, with results that were broadly comparable those observed for English. | 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 |
cs | 2006 | Everyday speech and linguists in Bohemia and in Moravia | Běžná mluva a lingvisté v Čechách a na Moravě | Spoken Czech in its unmarked form is used in Bohemia, whereas the situation in most of Moravia is different. | Základní forma mluvené češtiny se užívá v Čechách, zatímco na většině Moravy je situace jiná. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Roots of my career - My father, my mother and my mother tongue | Kořeny mé životní dráhy – Můj otec, má matka a má mateřština | My parents gave me a good start for seeing the intricaces of spoken Czech. | Svým rodičům vděčím za první vhled do komplexnosti mluvené češtiny. | [
"Petr Sgall"
] | https://www.semanticscholar.org/paper/1ad5ca39e77e5a8d7ddde06e290c39828c407fd1/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Language in its multifarious aspects | Jazyk z mnoha úhlů pohledu | Selected linguistic writings of Petr Sgall, Faculty of Mathematics and Physics, Charles Univeristy, Prague. | Vybrané spisy Petra Sgalla, Matematicko-fyzikállní fakulta Univerzity Karlovy Praha | [
"Petr Sgall"
] | https://www.semanticscholar.org/paper/4abcac01e6d27e014d194333e35c12c1991f1796/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | A remark on the notion of hypercorrection | Poznámka k pojmu hyperkorektnost | Hypercorrection underlies language development and has to be taken into account in discussions on the current language situation. | Hyperkorekce podléhá jazykovému vývoji a je k ní třeba věnovat náležitou pozornost při popisu jazykového usu. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Against black and white standardisation. An interview with Bohumil Vykypěl | Proti černobílé spisovnosti. Rozhovor s Bohumilem Vykypělem | Instead of such a boundary, it is necessary to see a large transition zone between standard (written) Czech and the everyday speech. | Místo jasné hranice je třeba vidět široké přechodné pásmo mezi „spisovnou“ a běžně mluvenou češtinou. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
de | 2006 | Prague Structuralism. Methodological Fundamentals. | Pražský Strukturalismus. Metodologické základy. | The reviewed book attempts at a characterization of the methods of the Prague School. | Recenzovaná kniha usiluje o charakterizaci metod Pražské školy z různých aspektů pohledu. | [
"Petr Sgall"
] | https://www.semanticscholar.org/paper/5fe794ae9a0d2f9a3ed957c97d166c41b7021d10/ | null | null | null | null | null | null | Review of Prager Strukturalismus. Methodologische Grundlagen. - Prague Structuralism. Methodological Fundamentals. | Das bewertete Buch versucht die Methoden der Prager Schule von verschiedenen Ansichtsaspekten zu charakterisieren. | null | null | null | null |
cs | 2006 | Valency as the core of language system | Valence jako jádro jazykového systému | The core of language can be seen in the valency of individual words, which is the connecting link between lexicon and grammar. | Jádro jazykového systému lze vidět ve valenci jednotlivých slov, což je spojující prvek mezi slovní zásobou a mluvnicí. | [
"Petr Sgall"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Standard and everyday Czech | Čeština standardní a běžně mluvená | While written Czech typically corresponds to the standard norm, in spoken usage primarily Common Czech is used. | Zatímco standardní (ne vždy „spisovná“) čeština je typická pro psaný projev, je pro mluvenou češtinu charakteristická především obecná čeština. | [
"Petr Sgall",
"Concetta Maglione"
] | https://www.semanticscholar.org/paper/49639ccb20665e9ec43f0b9c5edb4bde7eb2489d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | 80th Birthday of Petr Sgall | Osmdesáté narozeniny Petra Sgalla | A brief article summarizing the scientific contribution of Profesor Petr
Sgall to the broad field of lingusitic. | Stručný přehled přínosu Petra Sgall ke světové i české lingvistice při příležitosti jeho osmdesátin. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/31e18f137f1d6c099da4b3d04905cd3eade23617/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | On some issues of dependency grammar | K některým otázkám závislostní gramatiky | A critical analysis of issues and problems of dependency description of language. | Kritický rozbor problémů, s nimiž se setkává závislostní popis jazyka. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/33bae35a830ff42b36f853601af1af58db3b8224/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | On the so-called distant dependencies in light of PDT | K tzv. vzdáleným závislostem očima Pražského závislostního korpusu | A corpus based analysis of long distance dependencies in the representation of Czech sentences. | Rozbor případů tzv. přerušených syntaktických vztahů mezi členy téhož rozvitého větného členu. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Natural Language Comprehension and Translation | Porozumění přirozenému jazyku a překlad | An adequate translation is possible only under the condition of full understanding of the text. | Podmínkou pro automatický překlad je úplné porozumění danému textu. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/395de0bd3837fdf4b4b5e5f04835bcc69c279481/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | On language, its exact description (Prague School in Linguistics in the past and today) | O jazyce, jeho exaktním popisu (Pražská škola v lingvistice kdysi a dnes) | Prague linguistic tradition and its reflection in the formal description of language. Functionalism, dependency syntax, syntactico-semantic structure of the sentence. | Tradice Pražské lingvstické školy a její pokračování v oblasti exaktního popisu jazyka. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Old linguists never die, they only get obligatorily deleted | Staří lingvisté nikdy neumírají, jen jsou povinně elidováni | At the occasion of the Life Achievements Award presented to the author of the paper, the awardee singled out and analyzed several contributions of (classical) linguistics to modern methods in linguistics and to computational lingusitics. | Při příležitosti udělení odměny za celoživotní dílo v počítačové lingvistice autorka vyčlenila a rozebrala některé výsledky klasické lingstiky, které podstatně přispěly k rozvoji moderní a počítačové lingvistiky. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/64e24616d57214a8fa495ed837d5cff23dd1a28d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | On translating and Understanding, Plurality of Languages and Cultures | K překladu a porozumění, pluralita jazyků a kultur | Specific issues concerning the relation of translation and the degree of understanding necessary for translation is discussed. | Diskuse o některýh specifických otázkách vztahu překladu a různých stupňů porozuměni překládaému textu. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Towards the Underlying Structure Annotation of a Large Corpus of Texts | K podkladové struktuře anotace velkého korpusu textů | Arguments are given for an underlying syntactic annotation of sentences of large text corpora. | Syntaktická anotace korpusů se nesmí zastavit na povrchové rovině, ale je třeba zachytit i podkladové syntaktické vztahy. | [
"Eva Hajičová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | The use of corpus for testing linguistic hypotheses | Využití korpusu pro ověřování lingvistických hypotéz | Linguistics is an empirical science and as such it works with hypotheses. Annotation of corpora offers an important way how to test these hypotheses. | Anotování korpusu je důležitým materiálem pro ověřování či modifikaci lingvistické teorie. | [
"Eva Hajičová"
] | https://www.semanticscholar.org/paper/ed257969ca4b9f45df9e063574c7459256ca7526/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Introduction | Úvod | A detailed analysis of the most important writings of Petr Sgall at the occasion of the publication opf his Selected Writings. | Analýza nejdůležitější lingvistických studií Petra Sgalla při příležitosti uveřejnění jeho Vybraných spisů. | [
"Eva Hajičová",
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/66c431c2dfe70556dc021cf0e1b8a62c2531922f/ | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | On the occasion of Petr Sgall’s Birthday | K osmdesátinám Petra Sgalla | A brief summary of the professional life and publications of Professor
Petr Sgall. | Stručný přehled a zhodnocení životního díla významného českého lingvisty Petra Sgalla. | [
"Eva Hajičová",
"Jarmila Panevová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Petr Sgall Octogenerian | Petr Sgall osmdesátiletý | Life-long contribution of Professor Petr Sgall to the Czech linguistic thinking. | Rozbor životního přínosu profesora Petra Sgalla pro českou lingvistiku. | [
"Eva Hajičová",
"Jarmila Panevová"
] | https://www.semanticscholar.org/paper/3d175a72599339c3ca10745bf99a2f5bffd6f86c/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Corpus annotation as a test of a linguistic theory | Anotace korpusu jako test lingvistické teorie | The use of annotated corpora for testing linguistics hypotheses (on the example of PDT). | Využití jazykových korpusů pro testování lingvistických teorií (na příkladu PZK). | [
"Eva Hajičová",
"Petr Sgall"
] | https://www.semanticscholar.org/paper/54658d7f495cf770445ca1bfe09246c05b6aa0e2/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Eighty years of the Prague Linguistic Circle | Osmdesát let Pražského lingvistického kroužku | A critical survey of the scientific contribution of the members of the Prague Linguistic Circle in the course of its eighty-years of existence. | Kritický rozbor vědeckého přínosu členů Pražské školy v průběhu její osmdesátileté existence. | [
"Eva Hajičová",
"Petr Sgall"
] | https://www.semanticscholar.org/paper/1cdb69d236e7cb1e649a69529dac085c8d3dee30/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | An Annotated Corpus as a Test Bed for Discourse Structure Analysis | Anotovaný korpus jako materiál pro analýzu diskurzu | A dynamic approach to discourse structure is characterized using
the notion of degrees of salience of items in the stock of
knowledge the speaker assumes s/he shares with the hearer. A
preliminary algorithm of salience assignment (based primarily on
the appearance of the nodes of the dependency tree representing
the underlying structure of the sentence to topic or focus) has
been implemented and a visualization of its results has been
produced in order to make the implications of proposed discourse
analysis more perspicuous. | Dynamický přístup ke struktuře diskurzu je charakterizován zapojením pojmu ´stupeň aktivovanosti´ objektů, které jsou přístupny v zásobníku sdílených znalostí, jenž mluvčí i posluchač sdílejí.
Představujeme první verzi algoritmu pro přiřazení stupně aktivovanosti objektům. Algoritmus vychází ze struktury pro reprezentaci větného ohniska a základu. Rovněž představíme graifckou vizualizaci výstupu algoritmu. | [
"Eva Hajičová",
"Barbora Hladká",
"Lucie Kučová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
cs | 2006 | Standard Czech and the corpus | Standardní čeština a korpus | A contribution to the ongoing discussion on standard and common Czech. | Příspěvek do diskuse o postaveni obecné a spisovné češtiny z hlediska korpusové lingvistiky. | [
"Eva Hajičová",
"Věra Schmiedtová"
] | https://www.semanticscholar.org/paper/96c21c6065f990a3bbf191a7d7429b8f39e94555/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | XML-Based Representation of Multi-Layered Annotation in the PDT 2.0 | Reprezentace anotací na více rovinách v PDT 2.0 založená na XML | In this paper we introduce a generic XML-based data format called PML (Prague Markup Language), which was specifically designed for the needs of representing rich multi-layered linguistic annotation and other data sources such as annotation dictionaries. PML is the main data format for the upcoming release of version 2.0 of the PDT (Prague Dependency Treebank). We first present the fundamental concepts and ideas behind the format, then describe how the annotation of PDT is represented in PML, and finally outline our plans for further improvement. | V tomto příspěvku je představen obecný datový formát zaoložený na XML, tzv. PML (Prague Markup Language), který byl speciálně navržen pro potřeby bohaté vícevrstvé lingvistické anotace a vč. anotačních slovníků. PML je hlavní datový formát pro připravované vydání Pražského závislostního korpusu 2.0. Nejprve prezentujeme základní pojmy a myšlenky formátu, pak popisujeme, jak je PML aplikováno na PZK, a na závěr předkládáme návrhy pro další vylepšení. | [
"Petr Pajas",
"Jan Štěpánek"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | CLEF 2006 CL-SR Test Collection | CLEF 2006 CL-SR testovací kolekce | A test collection employed for evaluation of the speech retrieval systems at Cross-language Speech Retrieval track at CLEF 2006. | Testovací kolekce použita pro evaluaci systémů pro vyhledávní v mluvené řeči v rámci Cross-language Speech Retrieval track v rámci CLEF 2006. | [
"Pavel Pecina",
"Jan Hajič"
] | https://www.semanticscholar.org/paper/8fd2276e015a5f9a195af5f0d6838577d5b7324d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Combining Association Measures for Collocation Extraction | Kombinování asociačních měr pro extrakci kolokací | We introduce the possibility of combining lexical association measures and present empirical results of several methods employed in automatic collocation extraction. First, we present a comprehensive summary overview of association measures and their performance on manually annotated data evaluated by precision-recall graphs and mean average precision. Second, we describe several classification methods for combining association measures, followed by their evaluation and comparison with individual measures. Finally, we propose a feature selection algorithm significantly reducing the number of combined measures with only a small performance degradation. | Představujeme možnost kombinování lexikálních asociačních měr a přínášíme empirické výsledky metod z automatické extrakce kolokací. V první části se nalézá podrobný přehled asociačních měr a jejich výsledků na manuálně anotových datech, která byla evaluována pomocí grafů presision-recall a hodnot mean average precision. Ve druhé části popisujeme nekolik klasifikačních metod vhodných ke kombinování asociačních měr, poté následuje jejich evaluace a porovnání s jednotlivými individuálními měrami. Dále představujeme algoritmus pro výběr rysů, který podstatně snižuje počet kombinovaných měr, a to s minimálním snížením celkového výkonu. | [
"Pavel Pecina",
"Pavel Schlesinger"
] | https://www.semanticscholar.org/paper/3c8d2eb15741d2c21ee8aa2df81ba35c3252083d/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Verbal Valency in the Prague Dependency Treebank from the Annotator's Viewpoint | Slovesná valence v Pražském závislostním korpusu z pohledu anotátora | We present a description of how we dealt with the valency of verbs during the annotation of the PDT and the way the verbal part of the valency dictionary was built. We focus on some specific problems related to verbal valency (as well as some other verbal complementations) from the point of view of the PDT. | Popisujeme, jak přistupujeme k valenci v rámci anotování PZK. Zaměřujeme se zejména na valenci sloves a na specifické problémy spojené s touto problematikou. | [
"Zdeňka Urešová"
] | https://www.semanticscholar.org/paper/f82437af671610a8b64bf7ff1eb38f32c4be5b68/ | null | null | null | null | null | null | null | null | null | null | null | null |
en | 2006 | Valency and Ellipsis Resolution in the Prague Dependency Treebank | Valence a elipsa v PDT | The presentation will briefly introduce the PDT that aims at complex linguistic annotation of naturally occurring sentences. Written Czech sentences are annotated on three layers: morphological layer (lemmas, tags, morphological categories), analytical layer (surface structure, dependencies, analytical functions) and the tectogrammatical layer. In our contribution we focus mainly on how sentences are represented on the tectogrammatical layer. Demonstration of this layer will be part of the presentation. | Příspěvek představuje PZK a anotaci na třech lingvistických úrovních: morfologické, analytické a tektogramatické. Soustřeďuje se zejména na hloubkově syntaktickou rovinu a anotaci elips. | [
"Zdeňka Urešová",
"Marie Mikulová"
] | null | null | null | null | null | null | null | null | null | null | null | null | null |